Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTThe fixed charge transportation problem (FCTP) is one of important and classical transportation problems with many real world applications in the area of logistics and supply chain management. Due to nature complexity of this problem, the literature has seen a large number of heuristics and meta heuristics to solve the FCTP. This paper proposes a new heuristic along with well known meta heuristics to solve the FCTP with discount supposition on both fixed and variable charges. In addition, two models with all units discount and incremental discount are firstly introduced in this study to apply the discount mechanism. As such, since the previous researchers mainly used spanning tree based and priority based representations, this study utilizes both of these methods and compared the results. Finally, a comprehensive discussion based on the computational results of heuristic and meta heuristics with different encoding approaches has been investigated through different problem sizes."

"ABSTRAKThe Fuzzy Fixed Charge Transportation Problem in which both fixed and transportation cost are fuzzy numbers is considered in this paper. Due to NP-hardness of the problem, we utilize three types of Electromagnetism-like Algorithms (EM), Genetic Algorithm (GA), and Simulated Annealing (SA) which are firstly being proposed and comprised in this research area. Besides, our other novelty approach is the use of new encoding mechanism, namely string representation, for the first time which is employed for the problem and can be used in any extended transportation problems. Also, the last version of EM is being firstly developed and proposed in this paper. The employed operators and parameters are calibrated to ensure the best performance of the algorithms. Besides, different problem sizes are considered at random to study the impacts of the rise in the problem size on the performance of the algorithms."

"Di Indonesia, gula rafinasi merupakan sektor industri utama. Industri gula rafinasi menyediakan bahan baku untuk industri lain. Sebagai pemasok industri, gula rafinasi harus menstabilkan produksi dan distribusi pengiriman untuk memenuhi permintaan pelanggan. Penelitian ini mengoptimalkan strategi manajemen rantai pasok pabrik gula rafinasi untuk memenuhi target pengiriman menggunakan VRP (Vehicle Routing Problem) untuk mengidentifikasi masalah. Masalah distribusi bersifat dinamis dan beragam. Tidak ada metode deterministik yang menyelesaikannya dalam waktu polinomial. Ruang solusi berkaitan dengan kompleksitas dan jumlah solusi VRP potensial dan terkait dengan teknik heuristik untuk menemukan opsi pengiriman. Heuristik membatasi solusi yang mungkin ketika tidak ada solusi atau ketika masalah terlalu rumit. Dalam studi kasus ini, sektor gula rafinasi merekomendasikan untuk menggunakan VRP dengan heuristik Multi Depot dan Split Delivery untuk memenuhi target pengiriman, terutama di divisi logistik, yang mengatur pengiriman pelanggan berdasarkan permintaan yang direncanakan. Penelitian ini menggunakan survei dan data sekunder untuk menganalisis strategi pengiriman dan armada yang digunakan. Penelitian ini menggabungkan teknik VRP dan heuristik untuk mengeksekusi strategi logistik di departemen SCM di pabrik gula di Bekasi dan melakukan review penilaian untuk memilih strategi yang ideal untuk kegiatan distribusi logistik di sektor gula rafinasi. Tim operasi menggabungkan beberapa teknik untuk mengoptimalkan dan memenuhi target pasokan gula rafinasi.

---

In Indonesia, refined sugar is a major industrial sector. The refined sugar industry provides raw materials to other industries. As an industrial supplier, refined sugar must stabilize production and shipping distribution to fulfill customer demand. This research optimizes the refined sugar plant with an SCM strategy to fulfill delivery targets using VRP (Vehicle Routing Problem) to identify the issue. Distribution issues are dynamic and diversified. No deterministic method solves it in polynomial time. Solution space deals with the complexity and number of potential VRP solutions and is linked with a heuristic technique to locate delivery options. Heuristics restrict possible solutions when there is no solution or when the issue is excessively complicated. In this case study, the sugar plant combines VRP with Multi Depot and Split Delivery to fulfill delivery targets, especially in the logistics division, which arranges customer deliveries by requests. This research employed surveys and secondary data to analyze delivery strategies used by fleets and combines VRP and heuristic techniques to execute a logistics strategy in the SCM department at a sugar plant and evaluates it to choose the ideal strategy for distribution activities. The operations team combines multiple techniques to optimize and satisfy refined sugar supply targets."

"Perluasan dari Traveling Salesman Problem (TSP) adalah Multiple Traveling Salesman Problem (MTSP), yaitu menentukan kumpulan rute oleh 𝑚 salesman yang berawal dan kembali ke kota asal (depot). Jika terdapat lebih dari satu depot dan salesman yang berawal dan kembali ke depot yang sama, maka permasalahan tersebut dinamakan Fixed Destination Multi-depot Multiple Traveling Salesman Problem (MMTSP). Pada makalah ini, MMTSP akan diselesaikan menggunakan algoritma Ant Colony Optimization (ACO). ACO adalah algoritma optimisasi metaheuristic yang terinspirasi oleh perilaku semut dalam mencari jalur terpendek dari sarang menuju sumber makanan.Dalam penyelesaian MMTSP, akan diamati dengan memerhatikan pemilihan kota yang berbeda sebagai depot dan tiga parameter MMTSP non-random, banyaknya salesman (𝑚), minimum banyaknya kota yang harus dikunjungi salesman (𝐾), dan maksimum banyaknya kota yang dapat dikunjungi salesman (𝐿). Implementasi dilakukan dengan mengambil empat data dari TSPLIB. Hasil implementasi menunjukkan bahwa pemilihan kota yang berbeda sebagai depot dan tiga parameter MMTSP, di mana 𝑚 adalah parameter yang paling esensial, mempengaruhi solusi.

---

An extension of Traveling Salesman Problem (TSP) is the Multiple Traveling Salesman Problem (MTSP) in which, determining set of routes by 𝑚 salesmen who all start from and return to a single home city (depot). If there is more than one depot and salesmen start from and return to the same depot, then the problem is called Fixed Destination Multi-depot Multiple Traveling Salesman Problem (MMTSP). In this paper, MMTSP will be solved using the Ant Colony Optimization (ACO) algorithm. ACO is a metaheuristic optimization algorithm which inspired by the behavior of ants in finding the shortest path from the nest to the food source.

In solving the MMTSP, the algorithm is observed with respect to different chosen cities as depots and non-randomly three parameters of MMTSP, the number of salesmen (𝑚), the minimum number of cities a salesman must visit (𝐾), and the maximum number of cities that a salesman can visit (𝐿). The implementation is observed with four dataset from TSPLIB. The results show that both the different chosen cities as depots and the three parameters of MMTSP, in which 𝑚 is the most essential parameter, affect the solution."

"Multiple Depot Multi Traveling Salesman Problem (MMTSP) merupakan bentuk umum dari masalah Traveling Salesman Problem (TSP), yaitu menentukan rute minimum dari perjalanan m salesman dengan n depot untuk menempuh semua kota dan kembali ke depot awalnya. Pada skripsi ini, dilakukan clustering pada kota-kota yang dilalui, sehingga pada setiap klaster masalah MMTSP dapat disederhanakan menjadi masalah MTSP Multiple Traveling Salesman Problem atau TSP. Algoritma clustering yang digunakan adalah Agglomerative Clustering dan K-Means Clustering. Selanjutnya dilakukan metode Ant Colony Optimization untuk mencari rute terpendek dari setiap klaster. Jumlah dari hasil rute terpendek dari setiap klaster merupakan solusi dari masalah MMTSP. Implementasi dilakukan dengan menggunakan sampel data TSPLIB, dan hasil yang didapat juga akan dibandingkan dengan penelitian yang telah dilakukan sebelumnya. Dari hasil simulasi, hasil algoritma Agglomerative Clustering ACO memberikan hasil yang terbaik dibandingkan algoritma K-Means Clustering ACO dan algoritma ACO saja.

---

Multiple Depot Multiple Traveling Salesman Problem MMTSP is a generalization of the common Traveling Salesman Problem TSP , whole purpose is to generate a minimum route of m traveling salesmen from n depots to explore all cities and back to their origins. In this skripsi, the cities will be clustered, so for every cluster, MMTSP will be simplified as MTSP Multiple Traveling Salesman Problem or TSP. The clustering algorithms that will be used are Agglomerative Clustering and K Means Clustering. Furthermore, for every cluster, the Ant Colony Optimization will be implemented to determine the shortest path. The distance of shortest path in every cluster will be summed as the solution of MMTSP. Implementation of the algorithm will be simulated by using the TSPLIB, and the solutions will be compared to previous research. The simulation results show that the Agglomerative clustering ACO is the best solution compared to the K Means ACO rsquo s and the only ACO algorithm."

"Salah satu bentuk nyata dari globalisasi dalam bidang ekonomi adalah terciptanya perdagangan bebas yang kini telah diterapkan oleh hampir seluruh negara di dunia. Pergerakan global menuju pasar bebas ini telah mengubah pasar global menjadi sangat kompetitif. Oleh karena itu, para produsen dipaksa untuk terus mempertahankan atau meningkatkan daya saing mereka. Menerapkan metode penjadwalan yang efisien adalah salah satu strategi efektif dalam meningkatkan efisiensi dan daya saing manufaktur. Oleh karena itu, penelitian ini berfokus pada pemecahan masalah penjadwalan toko aliran permutasi (PFSP) yang dapat diterapkan secara luas di industri. Pertama, heuristik Nawaz, Enscore, dan Ham (NEH) akan dimodifikasi dengan menambahkan strategi pencarian lokal. Kemudian heuristik yang diusulkan tersebut akan dibandingkan dengan NEH oleh Nawaz et al. (1983) dan NEHKD oleh Kewal et al. (2019). Hasil penelitian menunjukkan bahwa heuristik yang diusulkan dapat mengungguli heuristik pembanding dalam memperoleh solusi dengan makespan yang lebih rendah bagi PFSP. Selain itu, nilai indikator dari median yang dikombinasikan dengan standar deviasi dapat meningkatkan kinerja lebih jauh.

---

One of the real examples of globalization in economy is the creation of free trade policy which is currently applied by almost all countries in the world. This global movement towards the free market has turned the global market to become highly competitive. Therefore, manufacturers are forced to continuously maintain or enhance their competitiveness. Applying an efficient scheduling method is one of the effective strategies in increasing the manufacturing efficiency and competitiveness of the manufacture. Therefore, this paper focuses on solving permutation flow shop scheduling problem (PFSP) that can be widely applied in the industry. First, Nawaz, Enscore, and Ham (NEH) heuristic will be modified by adding a local search strategy. Then the proposed heuristic will be compared with NEH by Nawaz et al. (1983) and NEHKD by Kewal et al. (2019). The result shows that the proposed heuristic can outperform other compared heuristics in obtaining a better solution with smaller makespan for PFSP. Moreover, indicator value of median combined with standard deviation can enhance the heuristic performance even further."

"ABSTRACTPickup and Delivery Problem with Transfer (PDPT) dideskripsikan sebagai cara menemukan solusi optimal untuk menetapkan himpunan permintaan ke himpunan kendaraan (awalnya terletak pada beberapa depot), dengan meminimalkan fungsi objektif tertentu berdasarkan kendala yang telah ditetapkan. Transfer barang dilakukan untuk meminimalkan waktu tempuh kendaraan dengan cara memindahkan barang di titik transfer yang nantinya akan diangkut oleh kendaraan lain dengan waktu lebih singkat. Berdasarkan konsep tersebut, dibentuk formulasi PDPT dengan menambahkan secara sistematis variabel dan kendala yang direalisasikan secara dinamis selama penentuan solusi rencana. Dalam tulisan ini akan digunakan metode insertion heuristic untuk mendapatkan solusi optimal Dynamic Pickup and Delivery Problem with Transfer (D-PDPT). Solusi objektifnya adalah untuk meminimumkan waktu perjalanan kendaraan pada solusi rencana yang didapatkan di setiap perhitungan. Berdasarkan hasil eksperimen simulasi, diperoleh hasil bahwa D-PDPT dapat digunakan untuk mengoptimalkan sistem penjemputan dan pengantaran barang dengan penghematan waktu tempuh kendaraan sebesar 23%, dibandingkan dengan rute tanpa menggunakan titik transfer.

---

ABSTRACTPickup and Delivery Problem with Transfer (PDPT) is described as a way of finding the optimal solution for assigning a set of requests to a set of vehicles (initially located at several depots), by minimizing certain objective functions based on predetermined constraints. Transfer of goods is done to minimize vehicle travel time by moving goods at the point of transfer which will later be transported by other vehicles with shorter time. Based on the concept, a PDPT formulation is formed by systematically adding variables and constraints that are realized dynamically during the determination of the plan solution. n this paper we will use the Insertion Heuristic method to obtain the optimal solution of Dynamic Pickup and Delivery Problem with Transfer (D-PDPT). The objective solution is to minimize vehicle travel time in the plan solutions obtained in each calculation. Based on the results of the simulation experiments, the results show that D-PDPT can be used to optimize the pickup and delivery system with 23% vehicle travel time savings, compared to routes without using transfer points."