Perpustakaan Digital ITB

Pemenuhan pesanan pelanggan (fulfillment center) semakin kompleks dengan karakteristik pesanan pelanggan pada sektor perdagangan elektronik (e- commerce), yaitu pesanan dengan ukuran lot yang kecil dan beranekaragam yang datang secara dinamis dalam periode waktu tertentu. Dalam memenuhi pesanan pelanggan, setiap pesanan akan dikelompokkan dalam suatu batch. Pusat pemenuhan pesanan yang mempunyai sistem pengambilan manual (pickers-to- parts) dengan operator manusia, melakukan pengambilan barang pada setiap batch dalam suatu tur ke lokasi pengambilan. Proses pengambilan setiap batch berakhir ketika operator pengambil kembali ke depot. Selanjutnya di depot dilakukan proses pengemasan barang oleh operator pengemas. Setiap pesanan pelanggan mempunyai waktu pengiriman yang berbeda karena kebanyakan pusat pemenuhan pesanan mengalihdayakan pengiriman kepada penyedia jasa logistik pihak ketiga (3PL). Pesanan pelanggan harus dikemas sebelum waktu pengirimannya tiba. Manajemen gudang pada pusat pemenuhan pesanan sangat penting. Pada penelitian saat ini, integrasi dalam manajemen gudang mempunyai potensial untuk menghasilkan kinerja gudang yang lebih baik. Penelitian ini melakukan integrasi terhadap proses pengambilan dan pengemasan untuk suatu pemenuhan pesanan. Perbedaan penelitian ini daripada penelitian sebelumnya, terletak pada perencanaan pengambilan dan pengemasan yang secara simultan menentukan batch, penugasan batch ke operator pengambil dan operator pengemas, dan penentuan rute operator pengambil, dengan mempertimbangkan waktu kedatangan 3PL dan jarak tempuh minimum yang dilalui operator pengambil. Penelitian ini mengembangkan model integrasi pengambilan dan pengemasan menggunakan model Mixed Integer Linear Programming (MILP) dengan metode Branch-and-Bound. Kriteria performansi yang ingin dicapai dalam penelitian ini adalah meminimasi makespan. Model diuji dengan data empiris yang berasal dari pusat pemenuhan pesanan perusahaan fourth party logistic (4PL). Model matematik menunjukan solusi nilai optimal global untuk set data kecil dengan jumlah pesanan pelanggan 10 – 20. Untuk memberikan solusi dengan set data besar, algoritma Variable Neigborhood Descent (VND) dikembangkan sesuai dengan permasalahan sistem. Pembangkitan solusi awal VND menggunakan algoritma Earliest Start Due Date Rules (ESDR) dan penentuan rute operator pengambil menggunakan metode heuristik s-shape. Dari hasil uji coba dengan data empiris yang sama dengan model matematik, algoritma VND memberikan solusi dengan kualitas yang baik. Kesenjangan antara solusi MILP dan VND pada set data kecil adalah 2,59%. Berdasarkan hasil pencarian solusi, pengembangan algoritma dalam penelitian ini mampu menghemat waktu makespan pada sistem kajian sekitar 35 – 50% dari kebijakan saat ini.