Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Kebutuhan energi Indonesia di berbagai sektor pengguna mengalami peningkatan setiap tahunnya, khususnya sektor industri pengguna energi gas alam yaitu Compressed Natural Gas (CNG). Permasalahan yang terjadi di perusahaan penyedia CNG yaitu kuantitas pengiriman yang berbeda-beda pada tiap titik, keterbatasan kapasitas muatan armada, keterbatasan armada, lokasi konsumen yang jauh, terkendala kemacetan jalan, dan pendistribusian masih menggunakan sistem one-to-one. Untuk meminimasi biaya pendistribusian CNG dan membuktikan metode manakah yang lebih unggul dan handal untuk menyelesaikan persoalan multi-depot maka digunakan metode Tabu Search (TS) dan Differential Evolution (DE) dengan algoritma The Vehicle Routing Problem dengan Times Window (VRPTW). Algortima VRPTW digunakan untuk merancang sebuah model optimasi menggunakan program Matlab. Hasil penelitian ini adalah memperoleh model rute dan jumlah armada pendistribusian CNG yang optimal dan membandingkan kehandalan hasil performa dari ketiga metode TS dan DE.

---

ABSTRACT
Indonesia's energy needs in the various sectors of users has increased every year, especially the industrial sector energy users of natural gas that is Compressed Natural Gas (CNG). The problems that occurred in the CNG provider company is delivery quantity different at every point, fleet payload capacity limitations, the limitations of the fleet, the location of distant consumers, constrained road congestion, and distribution are still using a system of one-to-one. To minimize the cost of distribution of CNG and prove which method is superior and more reliable to resolve the issue of multi-depot then used the method Tabu Search (TS) and Differential Evolution (DE) algorithm The Vehicle Routing Problem with Times Window (VRPTW). VRPTW algorithms used to design an optimization model using Matlab program. Results of this study was to obtain these models and the number of CNG fleets optimal distribution and compare the reliability of the performance results of all three methods TS and DE.

Abstrak :
Transportasi jalanan menyumbang 70-80% dari total volume angkutan barang setiap tahunnya di Indonesia dan pangsa pasar logistik darat berkisar antara 40% dan 50% dari total ukuran pasar logistik Indonesia. Dengan harga logistik yang semakin cepat meningkat (menyumbang 29% dari beban PDB Indonesia), besarnya permintaan layanan logistik darat memaksa pemain dalam industri tersebut untuk bersaing lebih ketat demi mendapatkan bagian pangsa pasar yang berkembang. Penelitian ini mengikuti Perusahaan X sebagai studi kasus perusahaan yang berusaha meminimalkan biaya agar tetap kompetitif di pasar logistik di Indonesia. Dalam upaya ini, Perusahaan X berniat untuk meningkatkan proses bisnis Middle-Mile (Mil-Tengah) untuk meminimalisasi limbah yang dihasilkan. Kebutuhan optimasi antara pencapaian waktu dan pemanfaatan kendaraan lahir dari prioritas untuk mencapai Service Level Agreement (SLA). Dalam penelitian ini, Peneliti membuat model optimasi untuk Penjadwalan dan Penugasan Kendaraan yang meminimalisasi jumlah kendaraan yang digunakan dalam proses Middle-Mile serta mengoptimalkan Serviceable Volume (volume pengiriman yang mencapai SLA) untuk setiap Segmen Mil-Tengah untuk meminimalkan limbah dengan memaksimalkan penggunaan kapasitas per kendaraan. Masalah Penjadwalan Kendaraan Multi Depot (MDVSP) dan beberapa heuristik akan digunakan sebagai dasar teoritis untuk pemodelan. Hasil model berpotensi pengurangan biaya kapital sebesar 32% dan pemanfaatan kendaraan sebesar 225%, serta menyediakan Penugasan Jadwal Perjalanan. Optimal secara otomatis. ......Road transport accounts for 70-80% of the total freight volume handled annually in Indonesia and the share of the land-based logistics market is between 40% and 50% of the total logistics market size. With price of logistics rapidly accelerating, the great demand for land-based logistics forces players in the industry to compete even more tightly to secure their share of the growing market. This research follows Company X as a case study of a company seeking to minimize costs to stay competitive in the logistics market in Indonesia. To minimize costs, Company X aims to enhance their Middle-Mile business process to minimize any generated wastes found. However, the question of optimizing time achievement and vehicle utilization arises from the priority to achieve Service Level Agreement (SLA). In this research, Author creates optimization models to minimize the number of vehicles used in the Middle-Mile processes while optimizing Serviceable Volume for each shipping Segment. Multi Depot Vehicle Scheduling Problem (MDVSP) and some heuristics will be used as a theoretical basis for the modelling. The output of the model is very desirable with a fixed 32% potential capital cost reduction and 225% vehicle utilization, with automated optimal Timetabled Trips assignment for decision making.

Abstrak :
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.