Optimisasi Permasalahan Perutean Kendaraan Dua Eselon Dengan Drone Dengan Mempertimbangkan Waktu Tempuh Truk Dan Emisi Karbon

Santoso, Santoso (2026) Optimisasi Permasalahan Perutean Kendaraan Dua Eselon Dengan Drone Dengan Mempertimbangkan Waktu Tempuh Truk Dan Emisi Karbon. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 7010211019-Doctoral.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Perusahaan e-commerce dan industri penyedia logistik menghadapi tantangan penting untuk memenuhi pesatnya pertumbuhan permintaan pelanggan. Unmanned aerial vehicles
(UAV) seperti drone adalah teknologi baru yang sangat berguna untuk mengatasi meningkatnya ekspektasi pelanggan akan layanan pengiriman yang cepat, fleksibel, dan handal. Berbeda dengan pengiriman truk, drone memiliki keuntungan karena tidak terbatas pada jaringan jalan atau menghadapi kemacetan lalu lintas yang dapat mengakibatkan keterlambatan pengiriman. Koordinasi yang memadai antara truk dan drone dalam proses lastmile delivery, telah terbukti dapat mengurangi biaya, emisi karbon, dan juga waktu pengiriman. Dalam model ini, drone dapat memulai penerbangan dari truk, menyelesaikan beberapa pengiriman ke lokasi pelanggan yang berbeda, dan kemudian bertemu kembali dengan truk; model ini disebut sebagai two-echelon vehicle routing problem with drone (2E-VRPD). Selain manfaat ekonomi, penyedia logistik juga harus dapat mempertimbangkan dampak lingkungan dari proses pemenuhan pesanan yang dilakukan. Studi ini mengusulkan model dengan multi-obyektif baru yang secara simultan meminimalkan total waktu tempuh truk dan total emisi karbon.Model konsumsi energi dinamis akan diterapkan untuk drone, di mana penggunaan energi berubah berdasarkan tingkat pemuatan, dimana hal ini memungkinkan representasi yang lebih realistis dari operasi aktual. Masalah kompleks ini diatasi menggunakan algoritma genetik pengurutan non-dominasi (NSGA-II), dengan dua pendekatan: metode Giant Chromosome (GC) dan pendekatan K-means. Rute truk dan drone kemudian dibangun menggunakan algoritma perutean heuristik yang diusulkan. Secara keseluruhan, pendekatan K-means mencapai nilai obyektif rata-rata yang lebih baik, menunjukkan kemampuan eksploitasi yang unggul dalam mengidentifikasi solusi berkualitas tinggi. Sebaliknya, pendekatan GC menghasilkan Hypervolume (HV) yang lebih tinggi, menunjukkan konvergensi yang lebih baik menuju front Pareto-optimal dan cakupan front Pareto yang lebih luas, sekaligus mencapai nilai Spacing yang lebih rendah, yang mencerminkan distribusi solusi Pareto yang lebih seragam. Analisis sensitivitas lebih lanjut dilakukan dengan meningkatkan kapasitas muatan drone untuk mengevaluasi dampaknya pada kerangka optimasi yang diusulkan. Hasilnya menunjukkan bahwa drone dengan kapasitas muatan yang lebih besar lebih mengurangi waktu tempuh truk dan emisi karbon pada kedua pendekatan solusi. Studi ini berkontribusi pada literatur tentang 2E-VRPD dengan meminimalkan waktu tempuh truk dan total emisi karbon secara bersamaan sambal menggabungkan model konsumsi energi drone yang dinamis. Dari perspektif praktis, kerangka kerja yang diusulkan memberikan dukungan pengambilan keputusan bagi perusahaan ecommerce dan penyedia layanan logistik dalam mengatasi tantangan operasional yang ditimbulkan oleh peningkatan permintaan pelanggan yang pesat melalui operasi pengiriman jarak terakhir yang lebih efisien dan berkelanjutan secara lingkungan.
=================================================================================================================================
E-commerce companies and logistics service providers face significant challenges in meeting rapidly growing customer demand. Unmanned aerial vehicles (UAVs), such as drones, have emerged as a promising technology for addressing customers' increasing expectations for fast, flexible, and reliable delivery services. Unlike conventional truck-based delivery, drones are not constrained by road networks or traffic congestion, thereby reducing the risk of delivery delays. Effective coordination between trucks and drones in last-mile delivery operations has been shown to reduce transportation costs, carbon emissions, and delivery times. In this delivery system, a drone is launched from a truck, serves multiple customer locations, and subsequently rendezvous with the same truck. This logistics configuration is referred to as the Two-Echelon Vehicle Routing Problem with Drones (2E-VRPD). In addition to economic considerations, logistics providers must also account for the environmental impacts associated with order fulfillment operations. This study proposes a new multi-objective model that simultaneously minimizes total truck travel time and total carbon emissions. A dynamic drone energy consumption model, in which energy usage varies according to the payload carried by the drone, is incorporated to provide a more realistic representation of actual operating conditions. The resulting optimization problem is solved using the Nondominated Sorting Genetic Algorithm II (NSGA-II) with two solution approaches: the Giant Chromosome (GC) approach and the K-means clustering approach. Truck and drone routes are subsequently constructed using the proposed heuristic routing algorithm. Overall, the K-means approach achieved better average objective values, indicating superior exploitation capability in identifying high-quality solutions. In contrast, the GC approach produced a higher Hypervolume (HV), indicating better convergence toward the Pareto-optimal front and broader Pareto front coverage, while also achieving lower Spacing values, reflecting a more uniform distribution of Pareto solutions. A sensitivity analysis was further conducted by increasing the drone payload capacity to evaluate its impact on the proposed optimization framework. The results demonstrate that drones with larger payload capacities further reduce truck travel time and carbon emissions under both solution approaches. This study contributes to the literature on 2E-VRPD by jointly minimizing truck travel time and total carbon emissions while incorporating a dynamic drone energy consumption model. From a practical perspective, the proposed framework provides decision support for e-commerce companies and logistics service providers in addressing the operational challenges posed by rapidly
increasing customer demand through more efficient and environmentally sustainable last-mile delivery operations.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	emisi karbon, drone, logistik, multi-obyektif, two-echelon vehicle routing problem with drone (2E-VRPD) carbon emissions, drone, logistics, multi-objective, Two-Echelon Vehicle Routing Problem with Drones (2E-VRPD)
Subjects:	T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL440 Motorcycles.
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Industrial Engineering > 26001-(S3) PhD Thesis
Depositing User:	Santoso Santoso
Date Deposited:	01 Aug 2026 03:48
Last Modified:	01 Aug 2026 03:48
URI:	http://repository.its.ac.id/id/eprint/142867

Actions (login required)

View Item