Simulasi Optimasi Gudang
Program interaktif yang membantu Anda melihat bagaimana algoritma pencarian terbaik menyusun rak gudang agar lebih efisien, cepat dipahami, dan mudah dipantau.
Dilengkapi visual grafik, tabel hasil, dan parameter yang bisa Anda ubah langsung.
Gunakan satu algoritma atau bandingkan semuanya untuk melihat mana yang paling bagus.
Sesuaikan populasi, mutasi, dan iterasi supaya hasil simulasi lebih sesuai kebutuhan Anda.
Layout rak, grafik fitness, dan tabel hasil dibuat agar mudah dipahami oleh pemula sekalipun.
Warna lebih gelap menandakan prioritas permintaan yang lebih tinggi.
Pilih algoritma, ubah parameter, lalu jalankan simulasi untuk melihat hasil optimasi visual.
0.000000
Nilai fitness terbaik yang ditemukan0.000000
Nilai rata-rata popuasi / iterasi0.000000
Nilai fitness terburuk pada langkah saat iniGrafik menunjukkan tren terbaik dari algoritma yang dijalankan.
Tabel ringkasan menyajikan biaya, fitness, dan urutan rak terbaik dari tiap algoritma.
| Algoritma | Kualitas Solusi (Fitness) | Biaya Total | Waktu Konvergensi | Iterasi Konvergensi | Total Iterasi | Layout Terbaik |
|---|
Memahami bagaimana kualitas layout gudang dihitung secara matematis.
1 / (1 + Cost)Σ (Demandi × Distancei)Semakin kecil Cost, semakin besar Fitness, dan semakin baik layout gudang tersebut.
Setiap rak memiliki tingkat permintaan yang berbeda. Rak dengan demand tinggi sebaiknya ditempatkan dekat pintu gudang (Shipping Dock) agar waktu pengambilan lebih singkat.
Distance adalah posisi rak terhadap Shipping Dock. Rak di posisi ke-1 memiliki jarak 1, posisi ke-2 jarak 2, dan seterusnya. Posisi menentukan seberapa jauh barang harus dipindahkan.
Tujuan utama adalah meminimalkan total Cost — yaitu total biaya distribusi — dengan menempatkan rak berpermintaan tinggi sedekat mungkin dengan pintu gudang.
Penjelasan mengapa pendekatan metaheuristik diperlukan untuk menyelesaikan masalah ini.
Untuk 25 rak, jumlah kemungkinan susunan adalah 25! = 15.511.210.043.330.985.984.000.000 kombinasi. Tidak mungkin mengecek semuanya satu per satu (brute force).
Setiap perubahan posisi satu rak mempengaruhi total biaya distribusi secara keseluruhan. Hubungan antara posisi rak dan biaya bersifat nonlinear karena melibatkan perkalian demand × distance.
Ruang solusi memiliki banyak titik optimal lokal — layout yang terlihat baik tapi belum tentu yang terbaik secara global. Algoritma sederhana bisa terjebak di situ.
Oleh karena itu digunakan pendekatan metaheuristik: