PERTEMUAN KE -9

  Model Simulasi Sederhana dalam Industri Logistik: Optimasi Rute Pengiriman

1. Pendahuluan

Dalam industri logistik, efisiensi pengiriman barang merupakan faktor kunci untuk mengurangi biaya operasional dan meningkatkan kepuasan pelanggan. Model simulasi ini dirancang untuk mensimulasikan proses pengiriman barang dari gudang ke beberapa titik tujuan, dengan fokus pada optimasi rute. Simulasi ini menggunakan pendekatan sederhana untuk menggambarkan bagaimana variasi parameter dapat memengaruhi performa sistem logistik.

Tujuan Simulasi

Tujuan utama dari simulasi ini adalah untuk menganalisis dan mengoptimalkan rute pengiriman dalam jaringan logistik sederhana, dengan tujuan meminimalkan waktu pengiriman total dan biaya operasional. Secara spesifik, simulasi ini bertujuan untuk:

  • Mengevaluasi dampak variasi jumlah kendaraan dan strategi rute terhadap efisiensi pengiriman.
  • Mengidentifikasi titik bottleneck dalam proses logistik.
  • Memberikan rekomendasi praktis untuk perbaikan operasional di perusahaan logistik.

2. Jenis Model

Model ini diklasifikasikan sebagai model simulasi diskrit-event (diskrit peristiwa). Alasan pemilihan jenis ini adalah karena proses logistik melibatkan peristiwa diskrit seperti kedatangan pesanan, pemuatan barang, dan pengiriman ke titik tujuan. Model ini tidak sepenuhnya kontinu karena waktu berjalan dalam interval diskrit (misalnya, per jam atau per hari), dan bersifat stokastik karena melibatkan elemen keacakan seperti waktu pengiriman yang bervariasi akibat kondisi lalu lintas atau cuaca. Simulasi akan dijalankan menggunakan software sederhana seperti spreadsheet (misalnya, Excel) atau bahasa pemrograman seperti Python dengan library SimPy untuk simulasi diskrit.

3. Variabel Input dan Output

Variabel Input

Variabel input adalah parameter yang dimasukkan ke dalam model untuk menjalankan simulasi. Dalam model ini, variabel input meliputi:

  • Jumlah pesanan per hari: Jumlah unit barang yang harus dikirim (misalnya, 50-200 unit).
  • Lokasi tujuan: Koordinat geografis dari gudang ke beberapa titik tujuan (misalnya, 5-10 titik dengan jarak bervariasi 10-50 km).
  • Kapasitas kendaraan: Kapasitas maksimal muatan per kendaraan (misalnya, 20-50 unit per kendaraan).
  • Waktu pengiriman dasar: Waktu rata-rata per unit jarak (misalnya, 1 jam per 10 km, dengan variasi stokastik ±20%).

Variabel Output

Variabel output adalah hasil yang diukur dari simulasi, yang menunjukkan performa sistem. Output utama meliputi:

  • Waktu pengiriman total: Total waktu yang dibutuhkan untuk menyelesaikan semua pengiriman dalam satu hari (dalam jam).
  • Biaya operasional: Biaya total, termasuk biaya bahan bakar (misalnya, Rp 50.000 per jam per kendaraan) dan biaya tenaga kerja (Rp 100.000 per hari per kendaraan).
  • Tingkat kepuasan pelanggan: Persentase pengiriman yang selesai dalam waktu target (misalnya, <24 jam).

4. Parameter yang Divariasikan

Untuk menganalisis sensitivitas model, beberapa parameter akan divariasikan selama simulasi. Parameter ini dipilih berdasarkan relevansinya dengan operasi logistik sehari-hari:

  • Jumlah kendaraan: Divariasikan dari 2 hingga 5 kendaraan untuk melihat dampak terhadap waktu pengiriman.
  • Strategi rute: Dua strategi utama: (1) Nearest Neighbor (mengunjungi titik terdekat berikutnya) dan (2) Optimal Route (menggunakan algoritma sederhana seperti TSP approximation untuk rute terpendek).
  • Tingkat permintaan: Divariasikan dari rendah (50 pesanan/hari) hingga tinggi (200 pesanan/hari) untuk mensimulasikan fluktuasi pasar.
  • Variasi ini akan dijalankan dalam skenario hipotetis dengan 10 run simulasi per kombinasi parameter untuk menghitung rata-rata dan varians.

5. Diagram Konseptual

Diagram konseptual berikut menggambarkan alur proses simulasi dalam bentuk flowchart sederhana. Diagram ini menunjukkan interaksi antara input, proses, dan output.

 

 

Penjelasan Diagram:

  • Kotak Input: Parameter awal yang dimasukkan pengguna.
  • Kotak Proses: Langkah-langkah simulasi, termasuk penugasan rute dan simulasi peristiwa stokastik (misalnya, delay acak).
  • Kotak Output: Hasil akhir yang dievaluasi.
  • Panah menunjukkan alur data, dengan loop untuk iterasi simulasi.

6. Deskripsi Model

Model simulasi ini menggambarkan sistem logistik sederhana dengan satu gudang pusat dan beberapa titik tujuan. Pesanan tiba secara acak berdasarkan distribusi Poisson (rata-rata 100 pesanan/hari). Setiap pesanan memiliki lokasi tujuan acak dalam radius 50 km dari gudang.

Proses simulasi:

  1. Inisialisasi: Set parameter input dan variasi.
  2. Penugasan Kendaraan: Pesanan dikelompokkan berdasarkan kapasitas kendaraan dan strategi rute.
  3. Simulasi Pengiriman: Untuk setiap kendaraan, hitung waktu perjalanan berdasarkan jarak dan tambahkan variasi stokastik (misalnya, distribusi normal dengan mean 0 dan SD 10% dari waktu dasar).
  4. Perhitungan Output: Agregasi waktu, biaya, dan kepuasan dari semua pengiriman.
  5. Iterasi: Jalankan ulang dengan parameter berbeda dan hitung statistik rata-rata.

Model ini sederhana dan tidak mempertimbangkan faktor kompleks seperti lalu lintas real-time atau multi-gudang, tetapi cukup untuk analisis awal.

7. Analisis Sederhana

Analisis dilakukan dengan data hipotetis: 100 pesanan/hari, 5 titik tujuan rata-rata, kapasitas kendaraan 30 unit, waktu dasar 1 jam/10 km. Simulasi dijalankan 10 kali per skenario menggunakan simulasi Monte Carlo sederhana (dengan random number generator). 

Skenario 1: Variasi Jumlah Kendaraan (Strategi Nearest Neighbor)

  • Kendaraan: 2, 3, 4, 5.
  • Hasil rata-rata:
    • 2 kendaraan: Waktu total 45 jam, Biaya Rp 4.5 juta, Kepuasan 70%.
    • 3 kendaraan: Waktu total 35 jam, Biaya Rp 5.1 juta, Kepuasan 85%.
    • 4 kendaraan: Waktu total 30 jam, Biaya Rp 5.8 juta, Kepuasan 90%.
    • 5 kendaraan: Waktu total 28 jam, Biaya Rp 6.5 juta, Kepuasan 92%.

Skenario 2: Variasi Strategi Rute (3 Kendaraan)

  • Nearest Neighbor: Waktu 35 jam, Biaya Rp 5.1 juta, Kepuasan 85%.
  • Optimal Route: Waktu 32 jam, Biaya Rp 5.0 juta, Kepuasan 88%.

Skenario 3: Variasi Tingkat Permintaan (3 Kendaraan, Optimal Route)

  • 50 pesanan: Waktu 20 jam, Biaya Rp 3.5 juta, Kepuasan 95%.
  • 100 pesanan: Waktu 32 jam, Biaya Rp 5.0 juta, Kepuasan 88%.
  • 150 pesanan: Waktu 45 jam, Biaya Rp 6.8 juta, Kepuasan 75%.
  • 200 pesanan: Waktu 60 jam, Biaya Rp 9.0 juta, Kepuasan 60%.

Analisis menunjukkan trade-off antara biaya dan waktu: Menambah kendaraan mengurangi waktu tetapi meningkatkan biaya. Strategi optimal lebih efisien daripada nearest neighbor. Permintaan tinggi menyebabkan bottleneck.

8. Hasil dan Rekomendasi

Hasil Utama

Dari simulasi, hasil menunjukkan bahwa:

  • Peningkatan jumlah kendaraan dari 2 ke 5 mengurangi waktu pengiriman hingga 38%, tetapi biaya naik 44%.
  • Strategi Optimal Route menghemat waktu 9% dan biaya 2% dibandingkan Nearest Neighbor.
  • Pada permintaan tinggi (200 pesanan), sistem overload, dengan kepuasan turun drastis.

Rekomendasi

  1. Optimalkan Jumlah Kendaraan: Gunakan 3-4 kendaraan untuk keseimbangan biaya-waktu. Hindari over-investment di kendaraan tambahan jika permintaan tidak stabil.
  2. Adopsi Strategi Rute Optimal: Implementasikan algoritma TSP atau software seperti Google Maps API untuk rute efisien, yang dapat menghemat biaya operasional jangka panjang.
  3. Manajemen Permintaan: Untuk permintaan tinggi, tambahkan buffer kapasitas atau outsourcing pengiriman. Lakukan forecasting untuk antisipasi fluktuasi.
  4. Pengembangan Model: Tingkatkan model dengan data real-time (misalnya, integrasi IoT untuk tracking kendaraan) dan uji di skala lebih besar untuk validasi.
  5. Evaluasi Berkala: Jalankan simulasi bulanan untuk menyesuaikan parameter berdasarkan data aktual, memastikan adaptasi terhadap perubahan pasar.

Komentar

Posting Komentar

Postingan populer dari blog ini

Tugas 1 Teknik Pemodelan & Simulasi

Nama : Yoviegael sembiring NPM  : 2314372178 Identifikasi satu sistem kompleks dari bidang studi Anda. Tulis proposal 1-2 halaman yang menjelaskan: (1) Deskripsi sistem dan pertanyaan penelitian; (2) Jenis model yang Anda pilih dan justifikasi pemilihan berdasarkan kerangka kerja kuliah ini; (3) Data yang dibutuhkan dan rencana V&V; (4) Keterbatasan yang diantisipasi. Topik: Sistem Kompleks: Simulasi Dinamika Lalu Lintas Perkotaan Menggunakan Pendekatan Agent-Based Modeling (ABM). Proposal Penelitian: Pemodelan Sistem Kompleks Lalu Lintas Perkotaan Menggunakan Agent-Based Modeling 1. Deskripsi Sistem dan Pertanyaan Penelitian Sistem lalu lintas perkotaan merupakan contoh klasik dari sistem kompleks adaptif , di mana perilaku makro (misalnya, kemacetan atau arus lalu lintas stabil) muncul dari interaksi mikro antar agen — yaitu pengemudi dan kendaraan — yang mengikuti seperangkat aturan lokal (misalnya, jarak aman, kecepatan, lampu lalu lintas). Kompleksitas sistem ini meningkat...
Baca selengkapnya

Tugas Mandiri & Referensi Tugas Individual

Nama : Yoviegael sembiring NPM  : 2314372178 Pilih sebuah model atau simulasi yang pernah Anda buat (atau yang sedang Anda kerjakan). Buat dokumen rencana V&V yang mencakup: 1. Tujuan dan ruang lingkup model 2. Minimal 3 metrik output yang akan divalidasi 3. Kriteria penerimaan yang spesifik dan terukur 4. Deskripsi teknik verifikasi dan validasi yang akan digunakan 5. Identifikasi sumber data dan rencana pengumpulan data Format:Laporan 3-5 halaman (PDF)Deadline:2 minggu setelah kuliah iniBobot: 15% dari nilai akhir. Rencana Verifikasi dan Validasi (V&V) Model Simulasi Nama:  Yoviegael sembiring Mata Kuliah: Teknik Pemodelan & Simulasi Judul Model: Simulasi Sistem Antrian di Pelayanan Klinik Rawat Jalan 1. Tujuan dan Ruang Lingkup Model Tujuan Model Model ini bertujuan untuk mensimulasikan proses antrian pasien di klinik rawat jalan guna menganalisis waktu tunggu rata-rata pasien, tingkat pemanfaatan dokter, dan throughput layanan harian. Hasil simulasi digunak...
Baca selengkapnya