TUGAS RISET OPERASI

TRANSPORTATION MODEL AND ITS VARIANTS

Disusun oleh Totok Dwi A. (06 5314 020) Cornelius Flory Saputra (06 5314 085)

JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNVERSITAS SANATA DHARMA YOGYAKARTA 2008

Model Pengangkutan dan perbedaannya

Bab pedoman Model pengangkutan adalah kelas khusus dari program linear yang berhubungan dengan pengiriman barang dagangan dari sumber (misal pabrik) ke tujuan (misal gudang). Tugasnya adalah menentukan jadwal pengiriman yang memperkecil biaya pengiriman total sehingga memuaskan batas persediaan dan permintaan. Aplikasi dari model pengangkutan dapat diperpanjang ke area operasi lainnya, termasuk pengontrolan barang, jadwal karyawan, dan tugas anggota. Seperti bahan yang kamu pelajari dari bab ini, tetaplah berpikir bahwa algoritma pengangkutan justru metode sederhana. Inti lainnya adalah bahwa algoritma pengangkutan telah dikembangkan di awal hari OR untuk memberikan kesempatan pada perhitungan tangan. Aplikasi saat ini Menjadwalkan Tugas pada Perdagangan Australia Komisi Turis Australia (ATC) membentuk acara perdagangan di seluruh dunia untuk mengadakan forum untuk para penjual Australia untuk bertemu para pembeli internasional produk turis, termasuk penginapan, wisata, dan angkutan. Pengertian dari Model Pengangkutan Masalah umum diperlihatkan oleh jaringan pada gambar 5.1. Terdapat sumber m dan tujuan n, setiapnya diperlihatkan dengan titik. Tanda panah menunjukkan jalur hubungan sumber dan tujuan. Panah (I,j)bergabung dengan sumber I ke tujuan j, dengan membawa 2 buah informasi: harga pengangkutan per unit, cij , dan jumlah pengiriman, xij . Jumlah persediaan pada sumber I adalah ai dan jumlah permintaan j adalah bj . Tugas model adalah menentukan xij yang tidak diketahui sehingga akan memperkecil biaya total pengangkutan sehingga memuaskan seluruh pembatasan persediaan dan permintaan. Menyeimbangkan Model Pengangkutan Algoritma pengangkutan berdasarkan pada asumsi bahwa model adalah seimbang, yang berarti total permintaan sama dengan total persediaan. Jika model tidak seimbang, kita dapat selalu menambahkan sumber kosong atau tujuan kosong untuk menyeimbangkan kembali.

Model Pengangkutan Tidak Tradisional Aplikasi dari model pengangkutan tidak terbatas pada mengirimkan barang antarwilayah sumber dan tujuan. Bagian ini menunjukkan 2 aplikasi dalam wilayah pengendalian produksi brang dan pelayanan peruncingan alat.

Algoritma Pengangkutan Algoritma pengangkutan mengikuti langakh tepat dari metode sederhana (bab 3). Tetapi, daripada menggunakan tabel sederhana yang biasa, kita mendapat untung dari bagan spesial dari model pengangkutan untuk membentuk perhitungan dalam bentuk yang lebih tepat.Algoritma Pengangkutan yang spesial dikembangkan lebih awal ketika perhitungan tangan lebih umum dan jalan singkat dibutuhkan. Saat ini, kita memiliki kode komputer yang sangat kuat yang dapat memecahkan model pengangkutan dalam banyak ukuran sebagai LP yang umum. Penentuan Pemecahan Awal Model pengangkutan yang umum dengan m sumber dan n tujuan memiliki m + n memaksa persamaan, satu untuk setiap tujuan dan setiap sumber.Namun, karena model pengangkutan selalu seimbang (jumlah persediaan = jumlah permintaan), salah satu persamaan ini berlebihan. Jadi, model memiliki m + n 1 pemaksaan persamaan yang bebas, yang berarti awalan pemecahan solusi terdiri dari m + n 1. Bagan khusus dari masalah pengangkutan memperbolehkan perlindungan solusi awal barang asli dengan menggunakan 1 dari 3 metode: 1. Metode Northwest corner 2. Metode Least-cost 3. Metode Tafsiran

Karena model transportation digunakan untuk memperkecil pengeluaran,variable masukkan memiliki koefisien yang paling positive di z-row. Jadi x31 adalah variable yang dimasukkan. Penghitungan yang terdahulu selalu dapat secara langsung digunakan dalam transportation tableau seperti yang diperlihatkan pada table 5.22, berarti ini sebenarnya tidak diperlukan untuk ditulis (u, v). dari pada, kita mulai dengan menyeting u1= 0. 6kemudian kita dapat menghitung v-value untuk semua kolom itu memiliki dasar variable di baris 1-diberi nama, v1 dan v2. Selanjutnya kita menghitung u2 sebagai dasar (u,v) sama dengan dasar x22. Sekarang setelah kita mendapat u2, kita dapat menghitung u2 dan u3. Terakhir kita menentukan u3 digunakan untuk dasar penghitungan x33. Sekali lagi semua us dan vs dapat ditentukan, kita dapat mengevaluasi selain dasar variable untuk menghitung ui+uj = cij untuk beberapa yang bukan dasarnya xij. Evaluasi ini dapat dilihat di table 5.22 di kotak sebelah kanan bawah dari beberapa kotak kecil. Mengenal x31 sebagai variable masukkan, kita membutuhkannya untuk menetapkan variable sebelumnya. Mengingat jika x31 dimasukkan untuk solusi menjadi dasar, satu dalam variable dasar harus dihilangkan seperti nonbasic (level 0). Dengan memilih x31 sebagai variable yang akan dimasukkan berarti kita dapat terus mengirimkan rute ini karena x31 mengurangi total biaya pengiriman. Apa yang banyak kiita dapat dengan terus mengirimkan rute? Mencari di table 5.22 jika rute(3.1) pengiriman unit (I.e.,x31= ), maka nilai maks dari adalah dasar penghitungan di dua situasi. 1. Batas persediaan dan syarat permintaan penghilangan sisa 2. Pengiriman jalur secara continue menhilangkan nilai yang tidak negative. Dua kondisi tersebut menghitung nilai maks dari dan menghilangkan variable caranya adalah. Pertama, membuat closed loop saat mulai dan akhir dalam memasukkan fariabel sel(3,1). Loop konsekuen berhubungan harisontal dan vertical saja (tidak boleh diagonal). Kecuali untuk memasukkan variable cell, beberapa pojok dalam close loop harus bertepatan dengan dasar variable. Table 5.23 memperlihatak loop untuk x31. Tentu saja satu loop ada untuk diberi masukkan variable. Selanjutnay kita member tanda jumlah untuk nmemasukkan variable cell(3.1). untuk menyediakan dan membatasi permintaan untuk pemenuhan. Kita harus menggati diantara pengurangan dan penambahan jumlah di pojok yang berhasi dalam loop yang diperlihatakan pada table 5.23(ini tidak penting, lebih baik loop ditiru di sebuah clockwise atau counterclockwise directionms). Untuk 0, nilai baru dalam variable ketika remain tidak negative jika: X11 = 5- 0 X22 = 5 0

X34 = 10 0 Nilai maks yang tepat dari adalah 5, yang mana terjadi ketika x11 dan x22 samapi level 0. Karena hanya satu sebagian dasar variable yang harus pergi dari dasar solusi, kita dapat memilih antara x11 atau x22 sebagai variable yang akan hilang. Kita mengubah dalam pemilihan x11 untuk solusi yang akan digunakan. TORA moment. Dari solve/Mo0dify menu, pilih solve Iterations, dan memilih satu dari 3 cara (northwest corner, leastcost atau Vogel) untu memulai model transportasi iterasi. Iterasi modul membutuhkan dua penggunaan fitur yang berhubungan: 1. Kamu dapat mengeset beberapa u atau v menjadi sebelum menjalankan dua iterasi ( default u1= 0). Mencari iterasi walaupun u1 dan u2 berubah nilai. 2. Kamu dapat mengecek mengetes pengertian kamu dalam pilihan di closed loop dengan mengklik corner cell kemudian terdiri dari garden/garis kecil. Jika kamu memilih yang benar waran kotak yang akan dipilih(hijau untu masukkan variable, merah untuk variable yang hilang dan abu2 untuk yang lainnya) SOLvER moment Masukkan model tranportasi ke dalam table excel lurus kedepan model 5.4 menggunakan excel software solver cetakan untuk contoh 5.3-1(file solver ex5.31.xls), bersama menggunakan semua formula dan maksud semua antara nama. AMPL moment Gambar 5.5 menyediakan AMPL model untuk model transportasi pada contoh 5.3-1. Nama yang digunakan dalam model adalah self-explanatory. Model yang digunakan the set sNodes dan dNodes untuk mengikuti waktu yang sebaik-baiknya untu digunakan dalam alfa numeric set member {S1,S2,S3} dan {D1,D2,D3,D4} yang mana akan dimasukkan dalam bagian data. Semua input data yang dimasukkan istilah set member tersebut yang si gambarkan pada gambar 5.5 Data dalam model transportasi dapat kembali dari spreat sheet(file TM.xls) menggunakan ampl statement table. PROBLEM SET 5.3B 1. Mempertimbangkan model transportasi dalam table 5.26. a. Gunakan northwest corner method untuk menemukan solusi awal. b. Mengembangkan iterasi untuk solusi yang optimal

c. TORA experiment menggunakan tora iterasi modul untuk membandingkan effek menggunakan aturan northwest corner, method harga terendah dan vogel method dalam nomer di iterasi yang pasti untuk solusi yamg optimum d. Percobaan solver. menyelesaikan masalah untuk memodifikasi file solver Ex 5.3-1.xls e. Percobaan AMPL. Menyelesaikan masalh dengan memodifikasi file AMPL Ex 5.3-1B.txt 2. Di dalam proble transportasi di table 5.27 total permintaan melebihi total yang disediakan. Andaikan harga tertinggi per unit tidak memuaskan permintaan yaitu $5, 3$, dan 2$ untuk tujuan 1,2, dan3. Menggunakan harga terendah solusi awal dan menghitung iterasi yang pasti utnu solusi yang optimal. Dst.

PROBLEM 5.3C 1. Menulis dua masalh untuk LP dalam proble transportasi dalam contoh 5.35(table 5.21) 2. Dalam model transportasi, satu dari dua variable dalam pekumpulan dua variable adalah tidak unik. Hasil muncul untuk menyangkal teori linier program dimana nilai dual yang dihitung sama dengan produk dari vector obyektiv koevisien untu variable dasar dan kumpulan kebalikan dari matrik dasar. THE ASSIGMENT MODEL Seorang yang terbaik dalam pekerjaanya adalah seseorang yang diartikan assignment model. Situasi ini dapat diibaratkan penempatan pekerja dengan merubah persetujuan kemampuan untuk pekerjaan. Kita akan menggunakanfkata dari semua persediaan dan jumlah permintaan ditambah 1 akan menjadi perkembangan algoritma solusi yang sederhana yang disebut HUNGARIAN method.

TRANSSHIPMENT model Model ini merupakan pengenalan yang mungkin murah untuk mengirimkan berkala menengah atau transient nodes sebelum mendapatkan tujuan yang utama. Konsep ini lebih umum dibandingkan model transportasi yang khusus. Dimana pengiriman langsung hanya mengikuti diantara sumber dan tujuan. Bagian ini diperlihatkan bagaimana pengiriman model dapat dipindahkan ke model trasportasi khusus menggunakan prinsip buffer.