Model Optimasi Multi-Objektif untuk Jaringan Rantai Pasokan Berkelanjutan Menggunakan Algoritma Genetika

Edisi terkini dan arsip teks lengkap jurnal ini tersedia di Emerald Insight di:

https://www.emerald.com/insight/1746-5664.htm

JM2 16,2 Model optimasi multi-objektif untuk jaringan rantai pasokan berkelanjutan dengan menggunakan genetika

algoritma

714

Diterima 4 Maret 2019 Direvisi 23 Juli 2020 Diterima 3 Agustus 2020

Reza Ehtesham Rasi

Jurusan Manajemen Industri, Cabang Qazvin, Universitas Islam Azad,

Qazvin, Iran, dan

Mehdi Sohanian

Departemen Manajemen Industri, Cabang Sains dan Penelitian,

Universitas Islam Azad, Teheran, Iran

Abstrak

Tujuan -Tujuan dari makalah ini adalah untuk merancang dan mengoptimalkan dimensi ekonomi dan lingkungan dalam jaringan rantai pasokan berkelanjutan (SSC). Makalah ini mengembangkan model pemrograman linier integer campuran (MILP) untuk menggabungkan data ekonomi dan lingkungan untuk optimasi multi-objektif jaringan SSC.

Desain/metodologi/pendekatan –Tujuan keseluruhan dari penelitian ini adalah untuk menggunakan bahan baku berkualitas tinggi, sekaligus mencapai jumlah emisi polusi terendah dan profitabilitas tertinggi. Model dalam masalah ini diselesaikan menggunakan dua algoritma, yaitu multi-objektif genetik dan multi-objektif partikel swarm. Dalam penelitian ini, untuk mengintegrasikan pemilihan pemasok berkelanjutan dan optimalisasi indikator kinerja keberlanjutan dalam desain jaringan rantai pasokan dengan mempertimbangkan minimalisasi biaya dan waktu serta maksimalisasi indeks keberlanjutan sistem.

Temuan –Perbedaan yang ditemukan antara algoritma genetika (GA) dan pendekatan MILP dapat dijelaskan dengan menangani kendala dan berbagai logikanya. Solusinya dibandingkan dengan model awal yang didasarkan pada MILP atau GA, sehingga menawarkan ketahanan yang lebih baik terhadap pendekatan yang diusulkan.

Implikasi praktis –Model ini diterapkan pada perusahaan Mega Motor untuk mengoptimalkan kinerja keberlanjutan rantai pasokan yaitu ekonomi (biaya), sosial (waktu) dan lingkungan (pencemaran bahan baku).

Metode penelitian memiliki dua pendekatan, yaitu pemodelan terapan dan matematika.

Orisinalitas/nilai –Penelitian yang merancang dan mengoptimalkan jaringan SSC masih terbatas. Penelitian ini merupakan salah satu yang pertama yang mengintegrasikan pemilihan pemasok berkelanjutan dan pengoptimalan indikator kinerja keberlanjutan dalam desain jaringan rantai pasokan dengan mempertimbangkan minimalisasi biaya dan waktu serta maksimalisasi indeks keberlanjutan sistem.

Kata KunciKeberlanjutan, Manajemen rantai pasokan, Multi-objektif, Optimasi, Algoritma meta-heuristik, Algoritma

Jenis kertasMakalah penelitian

Notasi yang digunakan dalam model MILP makalah ini Set

T = periode,waktu =1, 2, . . ., T; J

SAYA

Q = Kualitas jenis bahan baku,q =1,2, . . ., Q; K = pemasok bahan baku, k = 1,2, . . ., K;

Jurnal Pemodelan dalam

Manajemen = Jenis produk yang dihasilkan, j = 1,2, . . ., J;

= Jenis bahan baku, i = 1,2, . . ., I;

Jil. 16 No. 2, 2021 hal. 714-727 Hak Cipta © EmeraldPublishingLimited 1746-5664

DOINomor 10.1108/JM2-06-2020-0150

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.com

M = Pabrik yang memproduksi, m = 1,2, . . ., M;

D Distributor, d = 1,2, . . ., D; dan pengecer Z,z =1, 2, . . ., Z

Berkelanjutan rantai pasokan jaringan Parameter

C^{waktu km}=Biaya pembelian, pengiriman dan pengangkutan bahan baku I kualitas Q dari pemasok

K ke pabrik M pada periode T;

= Biaya produksi, penyimpanan dan pengiriman produk J dari pabrik M ke distributor D selama periode T;

= Biaya pemeliharaan dan pengiriman produk J dari distributor D ke pengecer Z

pada periode T;

= Pemeliharaan setiap unit produk J dari distributor D pada periode T; = Permintaan produk J dari pengecer Z pada periode T;

= Kapasitas pemasok K untuk bahan baku I pada periode T;

C

tjmd

715

C

tjdz

C

^tjd

DA

tjz Bahasa Inggristik

Bahasa Inggristjm=Kapasitas pabrik M untuk produk J pada periode T;

Bahasa Inggristjd kamuaku j Rkecerdasan buatan

= Kapasitas Grosir D untuk produk J pada periode T;

= Tingkat penggunaan tiap satuan jenis produk J dari bahan baku primer jenis I;

= Jumlah pencemaran yang disebabkan oleh bahan primer jenis I dengan mutu Q;

Dan

= Harga produk J pada pengecer Z pada periode T.

P

^tjz

Di antara parameter yang disebutkan di atas,Rkecerdasan buatanmengacu pada massa bahan baku tak terbarukan yang digunakan dalam produksi setiap produk dan unitnya bersifat opsional.

Variabel

S

^tjz = Jumlah produk J yang dijual oleh pengecer Z selama periode T;

X^{waktu km}=Jumlah bahan baku I, dengan kualitas Q yang dikirim dari pemasok K ke pabrik M selama

menggunakan periode T;

= Jumlah produk J yang dikirim dari pabrik M ke distributor D selama periode T; = Jumlah produk J yang dikirim dari distributor D ke pengecer Z pada periode T; = Jumlah produk J di gudang distributor D pada periode T; dan

= Variabel zero-wake untuk mengirim produk dari distributor D ke pengecer Z dalam periode T.

X

^tjmd

X

tjdz

X

tjd Kamitjdz

1. Pendahuluan

Dalam dua dekade terakhir, kebijakan polusi karbon dan penerapannya dalam jaringan rantai pasokan telah mendapat publisitas yang luas. Dengan meningkatnya tekanan lingkungan, perusahaan harus memikirkan keberlanjutan. Meminimalkan emisi karbon sambil meminimalkan biaya sangatlah penting ( Lidan lain-lain,Tahun 2020). Dalam situasi saat ini, sumber daya berada di bawah standar yang digunakan dalam bisnis dan emisi gas rumah kaca sangat tinggi. Desain dan pengelolaan operasi rantai pasokan telah diamati sebagai faktor utama dalam mendorong keberlanjutan lingkungan (Rajesh, tahun 2020 Bahasa Indonesia:Kumardan lain-lain,Tahun 2017). Jaringan rantai pasokan akan membantu perusahaan memperoleh lebih banyak keuntungan dengan dampak lingkungan yang rendah, efisiensi ekologi dan energi yang tinggi serta menjaga biaya terendah dalam kisaran yang ditentukan.Su dan Sun, 2019 Meningkatnya persaingan global dalam lingkungan yang terus berkembang akan menentukan perlunya respon yang memadai dari organisasi dan perusahaan manufaktur industri, serta ketahanan stres dengan lingkungan eksternal yang tidak stabil (Rasi, 2020). BerdasarkanYadlapallidan lain-lain. ((Tahun 2018)Hasilnya adalah bahwa pengenalan cara-cara keberlanjutan dalam rantai pasokan telah terbukti meningkatkan profitabilitas bisnis. Sebagian besar penekanan keberlanjutan dalam manajemen rantai pasokan

JM2 16,2

(SCM) berfokus pada aspek lingkungan dan ekonomi dari keberlanjutan dan cenderung kurang memperhatikan keberlanjutan sosial. Keberlanjutan digambarkan sebagai kemampuan organisasi untuk membuat keputusan terkini sedemikian rupa sehingga keputusan tersebut tidak berdampak negatif pada iklim, masyarakat, dan industri di masa mendatang. Manajemen rantai pasokan berkelanjutan (SSCM) merupakan bidang baru dalam penelitian dan industri. Ini dianggap sebagai subjek yang sangat relevan di mana perusahaan dapat meningkatkan daya saing mereka melalui penerapan kegiatan berkelanjutan dalam barang dan jasa mereka ( Hidupdan lain-lain,Tahun 2020).

Definisi ini menjelaskan bahwa keberlanjutan memiliki tiga dimensi yang dapat diklasifikasikan sebagai dimensi lingkungan, ekonomi, dan masyarakat. Keberlanjutan sosial berfokus pada hak asasi manusia, pendidikan, dan keadilan, sedangkan efisiensi ekonomi berupaya meningkatkan penjualan dengan menggunakan aset dan layanan yang minimum (Molamohamadi dan Ismail, 2013). Di sisi lain, keberlanjutan lingkungan adalah tentang sejauh mana kerusakan sumber polusi yang dapat diperbarui dan tidak dapat diperbarui. Semua dimensi membantu memastikan bahwa kebutuhan generasi saat ini terpenuhi secara efektif tanpa mengorbankan kemampuan generasi mendatang untuk memenuhi kebutuhan mereka (Zamaninandan lain-lain,Tahun 2020). Dengan munculnya konsep keberlanjutan, perusahaan cenderung memberikan laporan keberlanjutan. Menyampaikan laporan keberlanjutan memungkinkan perusahaan untuk menyoroti keberhasilan program mereka dan memperjelas sikap mereka terhadap pelanggan, pemegang saham, karyawan, dan mitra mereka (Rajeevdan lain-lain, Tahun 2017). Hasilnya, keberlanjutan dalam rantai pasokan dan pengukuran keberlanjutan menarik banyak perhatian. SSCM mengintegrasikan SCM dengan persyaratan lingkungan dan sosial di semua tahap desain produk, pemilihan dan penyediaan bahan baku, produksi dan fabrikasi, proses distribusi dan transfer, pengiriman ke pelanggan, serta pengelolaan daur ulang dan penggunaan kembali untuk memaksimalkan jumlah efisiensi energi dan sumber daya yang terkait dengan peningkatan kinerja rantai pasokan secara keseluruhan. Desain jaringan rantai pasokan sebagai keputusan terpenting di tingkat strategis memainkan peran penting dalam keberlanjutan jaringan rantai pasokan.

Tujuan dari makalah ini adalah untuk menyediakan model mixed-integer linear programming (MILP) untuk menggabungkan data ekonomi dan lingkungan untuk optimasi multi-objektif jaringan SSC. Dalam makalah ini, para peneliti menggunakan bahan baku berkualitas tinggi pada saat yang sama dengan jumlah emisi polusi terendah dan akan mencapai profitabilitas tertinggi.

Kontribusi utama dari penelitian ini adalah:

716

- Untuk merancang SSC dengan pendekatan model matematika yang diusulkan.

- Untuk mengusulkan metodologi solusi untuk model matematika linear bilangan bulat campuran multi-objektif yang didukung dengan metode metaheuristik.

- Untuk mengintegrasikan pemilihan pemasok berkelanjutan dan optimalisasi indikator kinerja keberlanjutan dalam desain jaringan rantai pasokan dengan mempertimbangkan minimalisasi biaya dan waktu serta maksimalisasi indeks keberlanjutan sistem.

- Untuk diterapkan pada data kehidupan nyata yang diperoleh dari salah satu perusahaan manufaktur di industri rumah tangga dan untuk menilai set solusi Pareto yang diperoleh dan membagikannya kepada para pemangku kepentingan.

Setelah konsep keberlanjutan, konsep SSC, informasi umum tentang konsep SSC diberikan

di Bagian 1 dan 2, rincian masalah linear bilangan bulat campuran, metodologi solusi dari

pendekatan yang diusulkan, definisi masalah, algoritma genetika (GA) dan formulasi model

dijelaskan secara rinci di Bagian 3. Di Bagian 4, pendekatan yang diusulkan dijelaskan

dengan contoh ilustrasi di Mega Motor Company dan model matematika yang dilakukan di

Matlab memberikan himpunan solusi yang layak untuk fungsi tujuan. Data Mega Motor

Company yang beroperasi di bidang manufaktur digunakan dalam contoh ini.

Hasil model matematika linear bilangan bulat campuran telah dibahas. Kesimpulan dan

penelitian masa depan disajikan pada Bagian 5. Berkelanjutan

rantai pasokan jaringan 2. Tinjauan pustaka

SCM adalah sekumpulan metode yang digunakan untuk mengintegrasikan pemasok, produsen, gudang, dan vendor secara efektif dan efisien, sedemikian rupa sehingga dapat meminimalkan biaya sistem dan memenuhi kebutuhan barang dan jasa, memproduksi dan mendistribusikan barang dan jasa di tempat yang tepat dan pada waktu yang tepat. Dalam rantai pasokan, semua langkah, secara langsung atau tidak langsung, terlibat dalam pemenuhan permintaan pelanggan. Seluruh rantai pasokan merupakan satu kesatuan tunggal, sedemikian rupa sehingga semangat kerja sama sebagai wawasan ada di semua bagiannya dan semua kelompok berpartisipasi dalam untung rugi. Dalam rantai pasokan, setiap organisasi mengkhususkan diri dalam apa yang paling cocok untuk seluruh rantai pasokan. Rantai pasokan adalah medan pertempuran baru untuk persaingan. Inventaris adalah alasan terbaru untuk menghilangkan ketidakseimbangan di antara berbagai kategori pemasok. SCM adalah manajemen aliran antara berbagai tahap dalam suatu rantai dengan tujuan memaksimalkan profitabilitas secara keseluruhan. Dalam rantai ini, pemasok biasanya secara bersamaan menjadi anggota beberapa rantai, dan karena itu sering memainkan peran yang berbeda. Dengan demikian, SCM merupakan suatu sistem pengganda, yang memanfaatkan teknologi informasi untuk memoderasi komunikasi antara beberapa proses bisnis utama suatu perusahaan, serta antara pemasok, konsumen, dan mitra bisnisnya.

Evaluasi dan pemilihan rantai pasokan konvensional hanya didasarkan pada kriteria ekonomi ( Ahi dan Searcy, 2013). Harga, kualitas produk dan fleksibilitas telah menjadi beberapa kriteria ekonomi tradisional (Momeni dan Nategh, 2010). Meskipun demikian, dalam beberapa tahun terakhir telah terjadi tekanan global pada rantai pasokan untuk tidak hanya berfokus pada kriteria ekonomi tetapi juga pada standar sosial dan lingkungan. SSCM merupakan gabungan kriteria baru yang menggabungkan kriteria lingkungan dan sosial dengan kriteria ekonomi, menurut Torkert dan Dietl Research. Saat ini, kriteria SSCM sangat penting (Seuring, 2013). Banyak perusahaan berusaha meningkatkan kondisi kerja mereka dan menghasilkan barang-barang yang ramah lingkungan (Hugo dan Pistikopoulos, 2005). Berdasarkan artikel yang disajikan, beberapa definisi SSC disajikan, yang dapat dijelaskan secara komprehensif: manajemen aliran material, informasi dan modal; kerjasama antar perusahaan di sepanjang rantai pasokan dalam arah yang mengintegrasikan tujuan dari ketiga dimensi ekonomi, lingkungan dan sosial; serta SSCM dianggap sebagai filosofi manajemen dan sebagai serangkaian proses manajemen (Subrata dan ParthaPriya, 2013). Laporan Brightland dapat dianggap sebagai titik awal untuk makalah tentang SSC. Selanjutnya, pada tahun 2001 dan 2003, tujuh makalah diterbitkan dalam jurnal “Greener International Management.” Berbagai artikel juga ditampilkan dalam majalah sepertiMajalah Manajemen Operasional, Jurnal Internasional Penelitian Produksi, Jurnal Internasional Ekonomi Produksi, dan Majalah Cleaner.Hal ini menunjukkan penerimaan yang luas terhadap isu ini di kalangan peneliti. Artikel-artikel yang diterbitkan didistribusikan secara merata dalam jurnal-jurnal yang terkait dengan manajemen berkelanjutan dan manajemen lingkungan dengan majalah- majalah di bidang operasi tradisional dan SCM. Sementara isu ini dalam artikel-artikel yang terkait dengan isu etika dan sosial masih menjadi minoritas. Selain itu, serangkaian artikel di bidang ini terdapat dalam jurnal-jurnal yang sebagian besar bersifat teknis tetapi mencakup topik-topik yang terkait dengan sumber daya alam dan politik. Literatur lingkungan terdiri dari tiga jurnal yang telah menyediakan banyak artikel di bidang ini. Majalah “Cleaner Production” berada di tempat pertama, kemudian majalah “Green Management International” dan “Business and Environment Strategy” masing-masing berada di peringkat kedua dan ketiga.

Dalam teks operasional, lebih banyak jurnal yang aktif di bidang ini, termasuk Jurnal Internasional Manajemen Operasi dan Produksi, Jurnal Internasional Manajemen Rantai Pasokan, Majalah Manajemen Operasi, Manajemen Produksi

717

JM2 16,2 dan Manajemen Operasional, Jurnal Internasional Penelitian Produksi dan Majalah Manajemen Rantai Pasokan (sebelumnya Jurnal Internasional Manajemen Pembelian dan Material) (Seuring dan Muller, 2008).

Dalam studi statistik penelitian tentang SSC dan dimensinya pada tahun 2016, terlihat bahwa penelitian di bidang ini relatif kecil dan diperlukan penelitian lebih lanjut. Tabel berikut

menunjukkan distribusi tematik penelitian tentang SSC dari tahun 2000–2015, yang diambil secara ekstensif dari 1.068 artikel yang difilter (Hongdan lain-lain,Tahun 2018).

Secara umum, dengan melihat artikel atau studi terkait di bidang ini, kita dapat melihat bahwa dimensi keberlanjutan yang berbeda dipelajari sampai batas tertentu dan terkadang dimensi-dimensi ini dipertimbangkan secara bersamaan. Dalam studi ini, dengan menerapkan perubahan pada tingkat masalah, jenis emisi polutan, kendala masalah, algoritma suprastruktur dan kriteria perbandingan, kami mencoba untuk merepresentasikan dan menganalisis model yang berbeda dari model sebelumnya.

GA merupakan metode optimasi yang terinspirasi dari sifat organisme hidup (living organism), dan dalam klasifikasi dapat disebut sebagai metode numerik, pencarian langsung dan acak.

Algoritma ini merupakan algoritma berbasis pengulangan dan prinsip aslinya telah diadaptasi dari ilmu genetika dan diciptakan dengan meniru sejumlah proses yang diamati dalam evolusi alami, dan secara efektif menggunakan pengetahuan lama suatu populasi, untuk menghasilkan solusi dan perbaikan baru. Algoritma ini digunakan dalam berbagai masalah seperti optimasi sistem, identifikasi dan kontrol, pemrosesan gambar dan masalah hibrida, penentuan topologi dan pelatihan jaringan saraf tiruan dan sistem pengambilan keputusan. Algoritma ini digunakan untuk mengoptimalkan, mencari dan mempelajari sistem. Singkatnya, GA terdiri dari operator-operator berikut, yaitu, pengkodean, evaluasi, penggabungan, mutasi dan dekode.

718

3. Deskripsi dan Perumusan Masalah

SCM mencakup berbagai topik. Orientasi pelanggan, pemasaran, distribusi, perencanaan produksi, dan pengadaan dalam berbagai organisasi berjalan secara independen dan paralel dalam rantai pasokan.

Meskipun masing-masing organisasi ini memiliki tujuannya sendiri dan sering kali tujuan-tujuan ini bertentangan dengan yang lain, maka perlu ada cara untuk menyelaraskan berbagai tujuan yang berbeda ini. SCM adalah metode yang dapat menciptakan koordinasi ini.

3.1 Asumsi

Asumsi modelnya adalah sebagai berikut:

- Masalahnya adalah tata letak multi-produk, multi-siklus, dan tiga tingkat.

-

Lokasi dan jumlah pemasok, produsen, pusat distribusi, dan pengecer bersifat spesifik.

- Aliran material hanya terjadi antara dua tingkat lapisan jaringan yang berurutan.

- Kapasitas setiap fasilitas (pemasok, produsen, distributor dan pengecer) bersifat spesifik.

-

Jumlah permintaan dan sisa parameter yang ada bersifat definitif.

- Setiap pengecer hanya dapat menerima satu produk dari satu grosir untuk setiap produk.

Dalam penelitian ini, kami mencari keluaran berikut untuk masalah ini:

-

Memilih pemasok, produsen dan pusat distribusi.

- Menentukan jalur transportasi yang optimal untuk pemindahan bahan baku ke pabrik.

- Memindahkan barang ke pusat distribusi dan membawa barang serta mengirimkannya ke

pelanggan.

Berkelanjutan

rantai pasokan jaringan

- Pendekatan optimasi untuk memaksimalkan keuntungan dan menentukan harga produk dengan permintaan yang pasti dan memakan waktu, serta meminimalkan waktu.

Upaya telah dilakukan untuk memodelkan jaringan rantai pasokan dua tahap dan tiga tahap dengan asumsi yang berbeda, yang masing-masing telah diselesaikan dengan cara yang berbeda.Chendan lain- lain. ((Tahun 2019) meneliti isu-isu ini dalam masalah NP-Hard, seperti masalah ransel dengan pilihan ganda dan masalah alokasi lokasi.Amiri (2006)menyajikan metode inovatif berdasarkan metode Lagrange untuk meminimalkan biaya jaringan untuk model dua tahap. GA telah digunakan untuk memecahkan masalah desain rantai pasokan secara efektif. Upaya pertama dilakukan olehZhu dan Sarkis (2006)untuk menggunakan GA guna memecahkan model desain rantai pasokan untuk masalah penyeimbangan alokasi kepada pelanggan dengan distribusi yang tidak teratur dan beragam.Chendan lain-lain. (Tahun 2019)memecahkan model rantai pasokan dua tahap produk tunggal multi-kriteria, menggunakan GA dan metode analisis hierarkis. Ia menyediakan GA untuk meminimalkan total biaya transportasi untuk jaringan distribusi tiga tahap.

Dalam makalah ini, kami menawarkan solusi untuk masalah perancangan SSC multi-objektif dalam jaringan rantai pasokan tiga tahap dengan GA dan kumpulan partikel serta penggunaan pengkodean sumbu prioritas. Untuk memberikan model matematika dari masalah tersebut, pertama-tama kami mengingat kembali asumsi masalah tersebut: jumlah pelanggan dan permintaannya pasti; jumlah pemasok, pabrik, dan pusat distribusi, serta kapasitas maksimumnya, pasti. Setiap pemasok bahan baku, pabrik, dan pusat distribusi memiliki kemampuan untuk memasok semua jenis bahan baku, memproduksi berbagai jenis produk, dan mendistribusikan produk mereka, masing-masing, dan sesuai dengan kapasitas maksimumnya.

719

3.2 Model Matematika

Model matematika MILP untuk SSCM adalah sebagai berikut:

Nomor XXX XXX ...

maksZ1¼ P

tjz

:S

tjz

-

Cwaktu km:Xwaktu km

T J Bahasa Indonesia: Z T SAYABahasa Inggris: KQ M

XXXXXX Nomor XXX

- C

tjmd

:X

tjmd

- C

^tjd

:X

^tjd

T J M D T J D

XXXXXX

- C

tjdz

:X

tjdz

(1)

T J D Bahasa Indonesia: Z

XXX ...

minZ2¼

Rkecerdasan buatan:Xwaktu km

(2)

T SAYABahasa Inggris: KQ M

Dalam penelitian ini, kami telah mencoba memecahkan masalah tersebut dengan cara yang sedekat mungkin dengan dunia nyata. Bahkan, kami telah mencoba untuk mencapai keseimbangan antara tingkat kedekatan masalah dengan kenyataan dan kompleksitas solusinya. Selain itu, karena masalah yang diinginkan telah diselidiki dari dimensi keberlanjutan, fungsi tujuan kedua telah ditambahkan ke model masalah dengan mengurangi tingkat produksi polutan dengan memilih bahan baku dengan tingkat emisi yang lebih rendah.

Keuntungan total adalah hasil penjualan total dikurangi biaya pengadaan, pembelian,

dan pengangkutan bahan baku dari pemasok ke pabrik, dikurangi biaya produksi,

penyimpanan, dan pengiriman produk dari pabrik ke distributor, dikurangi biaya

JM2 16,2 memelihara produk di gudang distributor dikurangi biaya pengiriman produk dari distributor ke pengecer.

X

tjdz

#EW

tjdz

(3)

(4) S

^tjz

# DA

^tjz 8T; J; Z

8T; J; Z

X- -

720 S

^tjz

# X

^tjzd

(5)

D

X X

tjdz

¼X

tjd

8t ; j ; d (6)

dari

X

Kamitjdz

# 1

8T; J; Z

(7)

D

X

Xtjdz# Amerika Serikattjd

8t ; j ; d (8)

dari

X X

^tjmd

¼X

^tjd

8t ; j ; d (9)

M

Xtjd# Amerika Serikattjd

8T; J; D (10)

X

Xtjmd# Amerika Serikattjm 8t; j; m; berat

(11)

D

Bahasa Indonesia: XX Bahasa Indonesia: XX

kamuaku j:Xtjmd¼ Xwaktu km 8saya ; saya ; saya

(12)

D J Bahasa Inggris: KQ

Bahasa Indonesia: XX

Xwaktu km# Amerika Serikattik 8saya; k; t; saya; k

(13)

M Q

P

^{tjz 0; Masuk}

8T ; J ; Z (14)

Xwaktu km angka 0 8T ; saya ; q ; k ; m

(15)

X

tjmd ^{0; Masuk}

8T ; J ; M ; D (16)

X

tjd ^{0; Masuk}

8t ; j ; d (17)

X

tjdz ^{0; Masuk}

8t ; j ; d ; z (18)

Kamitjdz¼ kaki0 ; 1G

(19) Berkelanjutan rantai pasokan jaringan

Persamaan (3)memastikan bahwa Xtjdzdapat diatur saat Wtjdzvariabel biner memiliki nilai 1. E adalah angka positif yang besar. Jumlah produk yang dijual pada setiap periode yang lebih kecil sama dengan jumlah permintaan pada periode yang sama dipersamaan (4)Jumlah produk yang terjual pada setiap periode yang lebih kecil sama dengan jumlah produk yang tersedia dari distributor ke pengecer di persamaan (5).Persamaan (6)menunjukkan jumlah produk yang dikirim dari setiap distributor ke setiap pengecer sama dengan persediaan stok masing-masing distributor. Setiap pengecer hanya dapat menerima produk dari grosir untuk setiap produk dipersamaan (7). Di dalampersamaan (8), jumlah produk yang dikirim dari masing-masing distributor ke masing-masing pengecer lebih sedikit dari kapasitas masing-masing distributor. Jumlah produk yang dikirim dari pabrik ke masing-masing distributor sama dengan jumlah produk yang tersedia di gudang distributor pada setiap periode dalam persamaan (9). Persamaan (10)menunjukkan jumlah persediaan produk di setiap distributor lebih sedikit daripada kapasitas penyimpanan distributor. Jumlah produk yang dikirim dari setiap pabrik ke distributor yang lebih kecil sama dengan kapasitas setiap pabrik dipersamaan (11).Persamaan (12)menunjukkan bahwa jumlah bahan baku yang dikonsumsi di setiap pabrik sama dengan jumlah bahan baku yang dikirim dari pemasok ke pabrik. Jumlah bahan baku yang dikirim dari setiap pemasok ke pabrik yang lebih kecil sama dengan kapasitas masing-masing pemasok dipersamaan (13). Persamaan (14)–(19) menunjukkan bahwa kendala menunjukkan variabel nonnegatif, dan batasan terakhir terkait dengan variabel biner (nol wik).

721

4. Evaluasi komparatif algoritma Metahursitik

Beberapa algoritma evolusi telah dikembangkan untuk menemukan respons yang belum terjawab pada masalah multidimensi, termasuk algoritma genetika penyortiran non-dominan (NSGA-II). Dalam optimasi multiobjektif, ada beberapa fungsi objektif berbeda yang cenderung diminimalkan atau berhubungan maksimal satu sama lain secara bersamaan. Seringkali fungsi tujuan ini terletak pada titik yang berlawanan sehingga salah satunya membaik jika yang lain memburuk. Oleh karena itu, dalam masalah seperti itu, serangkaian respons optimal diperoleh yang disebut titik Pareto optimal atau kurva Pareto.

Karena model yang disajikan dalam studi ini bersifat multiobjektif dan memiliki banyak parameter yang tidak pasti, dan karena kompleksitasnya yang tinggi dan juga NPhardness-nya; algoritma metaheuristik telah digunakan untuk menyelesaikannya. Untuk membandingkan algoritma dalam studi ini, empat indeks digunakan, yang disajikan di bawah ini.

4.1 Rata-rata indeks jarak ideal

Kriteria ini digunakan untuk menghitung jarak rata-rata jawaban Pareto dari jawaban terbaik yang diperoleh untuk setiap fungsi objektif. Seperti yang dapat kita lihat, semakin rendah nilai tolok ukurnya, semakin efisien algoritma tersebut.

sffiff ...

X

^N _{F1saya-Fterbaik} ²

th

²

1

FMaksimal 1 jumlah total-Fmenit

F2i-Fterbaik2

FMaksimal Jumlah 2-Fmenit Saya¼1

1 jumlah total Jumlah 2

PERTENGAHAN¼

N (20)

Pada persamaan di atas,Nsama dengan jumlah titik Pareto f

maks

nilai maksimum dan minimum fungsi target di antara semua algoritma yang sedang digunakan

saya:jumlahdan fmenitsaya:jumlahsama dengan

dibandingkan, masing-masing. Juga, fterbaik2

; F

terbaik1

adalah koordinasi titik ideal.

JM2 16,2 4.2 Indeks metrik spasi

Indikator ini menunjukkan distribusi seragam solusi Pareto dalam ruang solusi. Indeks ini dihitung sebagai berikut:

X

n-1

Saya¼1 JDSaya- DJ

DDn- 1TH

SM¼ (21)

722

Di manaNsama dengan jumlah titik Pareto, d

Saya

adalah sama dengan tHai jarak Euclidean antara dua solusi sisi Pareto di ruang solusi danDsama dengan rata-rata d

Saya

jarak. Dengan indeks metrik jarak (SM) yang lebih kecil, algoritma akan bekerja lebih baik.

4.3 Metrik kualitas

Indeks kualitasnya adalah bahwa semua respons Pareto yang diperoleh oleh masing-masing algoritme dipertimbangkan untuk setiap rangkaian masalah, lalu pemilihan penyortiran non- dominan untuk semua solusi dilakukan. Terakhir, kualitas setiap algoritme sama dengan respons Pareto yang khusus untuk algoritme tersebut dari keseluruhan respons Pareto. Kualitas yang lebih tinggi berarti kinerja algoritme yang lebih baik.

Algoritma untuk setiap pengurutan non-dominan

jumlah total sortasi non-dominan (22)

4.4 Metrik diversifikasi

Parameter ini menunjukkan keluasan respons Pareto terhadap suatu algoritme dan dapat dihitung dengan persamaan berikut. Semakin tinggi indeks metrik diversifikasi (DM), semakin baik algoritme tersebut.

vffiff ...

^{tidak ada}

! ffiff ...

2

th

!

^ffffffffff2

kamu

TmaksSayaF1saya- menit f_Saya1saya maksSayaF2i-

saya

^NSayaF

DM¼

_{FMaksimal menit} ²ⁱ

(23)

1 jumlah total- Fmenit1 jumlah total

FMaksimal

Jumlah 2- FJumlah 2

4.4.1 Analisis, pemecahan masalah dan hasil numerik.Jadi definisi masalah dan model matematika terkaitnya diimplementasikan pada langkah ini untuk mendapatkan hasil, kode terkait algoritma diimplementasikan dalam perangkat lunak MATLAB dan semua hasil diekstraksi dalam tabel Excel. Jumlah Rune sangat tinggi dan oleh karena itu beberapa hasil disajikan dalam tabel berikut:

Di dalamTabel 1Bahasa Indonesia:Tadalah periode waktu dandariadalah jumlah pengecer. Input periode waktu bersifat independen dan input lainnya bergantung padadarinilai sehingga nilainya bertambah atau berkurang seiring dengan perubahan Z. Waktu yang dihabiskan untuk mengimplementasikan setiap algoritma pada setiap tahap dihitung oleh perangkat lunak dan indeks perbandingan (yang disebutkan sebelumnya) juga direpresentasikan secara terpisah untuk setiap algoritma.

Berikut ini, proses komputasi nilai rata-rata tabel sebelumnya dihitung dalam tabel terpisah.

Hal ini dilakukan untuk memvalidasi dan memutuskan algoritma mana yang memiliki indeks kinerja lebih baik. Hasilnya terlihat di bawah ini (Gambar 1ke7).

Berikut ini, kami memiliki contoh grafik Pareto front yang terkait dengan GA (waktu =5,z = 10) dan contoh grafik Pareto front yang berhubungan dengan algoritma particle swarm optimization (PSO) (waktu =5,z =10)

5. Kesimpulan dan arah kerja masa depan

MenurutTabel 2, algoritma NSGA-II berkinerja lebih baik dan memiliki waktu yang lebih singkat dalam hal waktu komputasi, tetapi algoritma MOPSO lebih efisien dalam jarak ideal rata-rata (MID), SM, metrik kualitas (QM) dan indeks DM.

Dalam penelitian ini, diusulkan model MILP dengan dua tujuan untuk mengoptimalkan SSC. Tujuan model tersebut adalah tiga dimensi, yaitu ekonomi, sosial dan lingkungan dan masing-masing fungsinya tidak hanya tidak merugikan yang lain tetapi juga saling melengkapi. Meskipun dimensi-dimensi ini secara alami saling terkait, dan memengaruhi kinerja dimensi lainnya; tetapi, perlu untuk membuat keputusan terpadu dan mengelola bagaimana masing-masing dimensi tersebut

Berkelanjutan rantai pasokan jaringan

723

T dari 1

6 1

7 1

8 1

9 1

10 1

11 ....

....

Waktu MOPSO Waktu NSGA-II MOPSO TENGAH

MOPSO SM MOPSO QM MOPSO DM NSGA-II TENGAH NSGA-II SM NSGA-II QM NSGA-II DM

44.12667 50.13481 49.24927 52.27444 55.20541 62.00993

....

43.73261

0,564915 tahun

0.704628

1

1.414

44.12795 0.680308 0.540872

1

1.414

48.9481 0.573867 0.604202

1

1.414

46.72015 0.667967 0.532658

1

1.414

53.59358 0.692436 0.523195

1

1.414

59.87906 0.403532 0.63315

1

1.414

.... ....

.... ....

.... ....

.... ....

....

0,564915 tahun 0.680308 0.573867 0.667967 0.727058 0.443885

0.704628

1

1.414

0.540872

1

1.414

0.604202

1

1.414

0.63977 0.904681 1.4107

0.546462 0.901125 1.39305

0.789634 0,988663 1.414214

Tabel 1.

Hasil numerik

Waktu 10.000

5.000

angka 0

Gambar 1.

Waktu perhitungan untuk setiap algoritma Waktu MOPSO Waktu NSGA-II

SM

2.5 2 1.5 1 0.5

angka 0

Gambar 2.

indeks SM MOPSO SM NSGA-II SM

1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205

1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205

JM2 16,2

PERTENGAHAN

1.6 1.4 1.2 1 0.8 0.6 0.4 0.2

angka 0

724

Gambar 3.

indeks tengah MOPSO TENGAH NSGA-II TENGAH

DM

1.5 1 0.5

angka 0

Gambar 4.

indeks DM _{MOPSO DM NSGA-II DM}

QM

1.2 1 0.8 0.6 0.4 0.2

angka 0

Gambar 5.

indeks QM MOPSO QM NSGA-II QM

Dimensi-dimensi ini diimplementasikan dengan cara yang menghasilkan keuntungan tertinggi.

Untuk menilai keberlanjutan, sebuah indie dipertimbangkan untuk setiap dimensi. Untuk dimensi ekonomi, indeks total biaya; untuk dimensi sosial, indeks waktu pengiriman; dan untuk dimensi lingkungan, indikator jumlah polusi yang dihasilkan oleh bahan baku dipertimbangkan. Model tersebut dipilih karena dalam literatur, dimensi ekonomi, sosial, dan lingkungan jarang dipertimbangkan secara bersamaan, dan sebagian besar penelitian disajikan sebagai penelitian objektif tunggal. Pelanggan mencari komoditas dengan harga rendah, tetapi tidak dengan harga berapa pun, yaitu, mereka mencari komoditas berbiaya rendah tetapi tanpa dampak sosial dan lingkungan yang negatif, itulah sebabnya perdebatan keberlanjutan telah menjadi keunggulan kompetitif bagi bisnis. Model masalah dioptimalkan menggunakan

1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205

1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205

1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205

Berkelanjutan rantai pasokan jaringan

725

Gambar 6.

Kawanan partikel Pareto algoritma

Gambar 7.

Pareto front genetik algoritma

Parameter Berarti

Waktu MOPSO Waktu NSGA-II MOPSO TENGAH

MOPSO SM MOPSO QM MOPSO DM NSGA-II TENGAH NSGA-II SM NSGA-II QM NSGA-II DM

916.0618

Nomor telepon 840.9007

0.568205 0.810167 0.740543 1.21045 0.658108 0.962056 0.673221 1.174201

Tabel 2.

Indeks rata-rata untuk setiap algoritma

JM2 16,2 algoritma MOPSO dan algoritma NSGA-II, dan dengan mengubah nomor parameter, diperoleh nilai fungsi target dan front Pareto terkait. Dengan membandingkan hasil kedua algoritma dalam tabel dan grafik, dapat disimpulkan bahwa kinerja algoritma MOPSO secara umum lebih baik dalam hal indeks perbandingan.

Model yang digunakan dalam penelitian ini adalah model empat tingkat dalam SSC yang meliputi pemasok, produsen, distributor, dan pengecer. Penelitian mendatang dapat menambah atau mengurangi jumlah tingkat rantai pasokan. Dalam penelitian ini, biaya dan waktu dianggap sebagai dua faktor yang independen; dalam penelitian mendatang, faktor biaya dapat dianggap bergantung pada waktu. Dalam penelitian mendatang, indeks fast-ahead untuk mesin pengiriman dapat dipertimbangkan. Dalam penelitian mendatang, untuk tujuan menganalisis dan mengoptimalkan masalah, kita dapat menggunakan algoritme metaheuristik lain atau mempertimbangkan untuk menggabungkan dua algoritme metaheuristik.

726

Referensi

Ahi, P. dan Searcy, C. (2013), “Analisis literatur komparatif definisi hijau dan berkelanjutan”

manajemen rantai pasokan”,Jurnal Produksi Bersih,Vol. 52 No. 1, hal. 329-341.

Amiri, A. (2006), “Merancang jaringan distribusi dalam sistem rantai pasok: formulasi dan efisiensi prosedur solusi”,Jurnal Penelitian Operasional Eropa,Vol. 171 No. 2, hal. 567-576.

Chen, L., Lu, Y. dan Zhao, R. (2019), “Analisis dan penerapan sistem rantai pasokan modern di Cina",Penelitian dan Aplikasi Rantai Pasokan Modern,Vol. 1 No. 2, hal. 106-119.

Hong, J., Zhang, Y. dan Ding, M. (2018), “Praktik manajemen rantai pasokan berkelanjutan, manajemen rantai pasokan

kemampuan dinamis, dan kinerja perusahaan”,Jurnal Produksi Bersih,Vol. 172 No. 20, hal. 3508-3519.

Hugo, A. dan Pistikopoulos, E. (2005), “Perencanaan dan perancangan jangka panjang yang sadar lingkungan jaringan rantai pasokan”,Jurnal Produksi Bersih,Vol. 13 No. 15, hal. 1471-1491.

Kumar, M., Srai, JS dan Minakata, Y. (2017), “Dinamika sistem industri untuk lingkungan

keberlanjutan: studi kasus pada sektor teknologi medis Inggris”,Jurnal Internasional Teknologi dan Manajemen Manufaktur,Jil. 31 No. 1/2/3, hal.100 -132.

Li, J., Wang, L. dan Tan, X. (2020), “Desain dan optimalisasi jaringan rantai pasokan batubara yang berkelanjutan di bawah kebijakan emisi karbon yang berbeda”,Jurnal Produksi Bersih, Artikel dalam Pers, Jil. 250.

Molamohamadi, Z. dan Ismail, N. (2013), “Pengembangan skema baru untuk manufaktur berkelanjutan”, Jurnal Internasional Material, Mekanika dan Manufaktur,Vol. 1 No. 1, hal. 1-5.

Momeni, M. dan Nategh, M. (2010), “Pemilihan pemasok dalam rantai pasokan”,Tadbir,Jil. 6 Nomor 2, hal. 78-86.

Rajeev, A., Pati, RK, Padhi, SS dan Govindan, K. (2017), “Evolusi keberlanjutan dalam rantai pasokan manajemen: tinjauan pustaka”,Jurnal Produksi Bersih,Vol. 162 No. 20, hal. 299-314.

Rajesh, R. (2020), “Rantai pasokan berkelanjutan dalam konteks India: pendekatan pengambilan keputusan integratif model",Teknologi dalam Masyarakat,Jil. 61.

Rasi, ER (2020), “Optimalisasi Bi objektif untuk merancang jaringan rantai pasokan berkelanjutan yang ekonomis”

persaingan berbasis pendekatan manajemen biaya”, Kemajuan dalam Keuangan Matematika dan Aplikasi, Artikel dalam Pers.

Seuring, S. (2013), “Tinjauan pendekatan pemodelan untuk manajemen rantai pasokan berkelanjutan”, Sistem Pendukung Keputusan,Vol. 54 No. 4, hal. 1513-1520.

Seuring, S. dan Muller, M. (2008), “Dari tinjauan literatur ke kerangka konseptual untuk keberlanjutan manajemen rantai pasokan”,Jurnal Produksi Bersih,Jilid 16 No. 15, hal. 1699-1710.

Su, Y. dan Sun, W. (2019), “Menganalisis rantai pasokan loop tertutup dengan mempertimbangkan polusi lingkungan menggunakan NSGAII”,Transaksi IEEE pada Sistem Fuzzy,Vol. 27 No. 5, hal. 1066-1074.

Subrata, M. dan ParthaPriya, D. (2013), “Survei praktik manajemen rantai pasokan berkelanjutan di Perusahaan manufaktur India. Institut manajemen India, Kalkuta.Makalah Seri Kerja, Vol.

723 No. 2, hal. 1-66.

Berkelanjutan rantai pasokan jaringan

Vivas, R. D C., Marcio, A., Sant'Anna, AMO, Esquerre, KPO dan Freires, FGM (2020), “Terintegrasi metode yang menggabungkan model analitis dan matematika untuk evaluasi dan optimalisasi rantai pasokan berkelanjutan: studi kasus Brasil”,Komputer dan Teknik Industri. Artikel dalam Pers,Jil. 139.

Yadlapalli, A., Rahman, S. dan Gunasekaran, A. (2018), “Mekanisme tata kelola yang bertanggung jawab secara sosial untuk perusahaan manufaktur dalam rantai pasokan pakaian”,Jurnal Ekonomi Produksi Internasional,Vol. 196, hal. 135-149.

727

Zamaninan, M., RezaSadeh, E., Sabegh, AZ dan RasiEhteshamReza, (2020), “Sebuah multi-tujuan model optimasi untuk ketahanan dan rantai pasokan berkelanjutan: studi kasus”,Jurnal Internasional Manajemen Pasokan dan Operasi (IJSOM),Vol. 7 No. 1, hal. 51-75.

Zhu, Q. dan Sarkis, J. (2006), “Perbandingan antar sektor manajemen rantai pasokan hijau di Indonesia Tiongkok: Penggerak dan Praktik”,Jurnal Produksi Bersih,Vol. 14 No. 5, hal. 472-486.

Bacaan lebih lanjut

Rao, P. (2002), “Penghijauan rantai pasokan: sebuah inisiatif baru di Asia Tenggara”,Jurnal Internasional Operasi dan Produksi,Vol. 13 No. 4, hal. 935-945.

Penulis yang bersangkutan

Reza Ehtesham Rasi dapat dihubungi di:rezaehteshamrasi@gmail.com

Untuk petunjuk tentang cara memesan cetak ulang artikel ini, silakan kunjungi situs web kami: www.emeraldgrouppublishing.com/licensing/reprints.htm Atau hubungi kami untuk rincian lebih lanjut:izin@emeraldinsight.com