MilleMiglia membuka data sintetis, solver belum terbukti

Rilis Google Research pada 18 September 2026 memperkenalkan MilleMiglia, generator C++ sumber terbuka untuk membuat benchmark sintetis bagi optimasi logistik middle mile. Proyek kolaborasi dengan mitra akademik di UniBrescia dan ENPC Paris ini menyediakan kode serta format instans yang dapat dibagikan tanpa membuka topologi jaringan dan volume permintaan milik perusahaan.

Yang tersedia untuk publik saat ini adalah generator kasus uji, bukan solver dengan manfaat operasional yang sudah diukur. Analisis AI Brainer pada hari yang sama mencatat bahwa solver khusus masih dikembangkan, sementara rincian algoritme dan hasil kinerjanya belum dipublikasikan.

Yang dibuka adalah generator, bukan jaringan perusahaan

MilleMiglia tidak menerbitkan rekaman operasi perusahaan logistik. Generator ini memakai distribusi statistik untuk membentuk jaringan, permintaan, dan jadwal kendaraan sintetis yang menyerupai karakteristik operasi nyata tanpa mengungkap jaringan tertentu.

Pusat distribusi ditempatkan melalui model gravitasi atau pengelompokan spasial yang mencerminkan kepadatan penduduk dan industri. Generator lalu membentuk pasangan asal-tujuan, distribusi volume dan berat kiriman, serta rotasi kendaraan yang menghubungkan pusat besar dengan pusat lain atau fasilitas yang lebih kecil di sekitarnya.

Repositori publik MilleMiglia memuat kode generator, definisi data dalam direktori proto, pengujian, konfigurasi kompilasi, dan petunjuk menghasilkan instans. Implementasinya menggunakan C++, sedangkan Protocol Buffers memungkinkan satu instans disimpan dalam berkas ringkas dan dikonsumsi oleh solver yang ditulis dalam bahasa berbeda.

Pemisahan istilah penting untuk menilai cakupan rilis ini. Generator membuat masukan masalah, benchmark menyediakan kasus bersama untuk membandingkan metode, sedangkan solver mencari keputusan pengiriman yang memenuhi kendala dan mengoptimalkan sasaran tertentu. MilleMiglia telah membuka unsur pertama dan fondasi untuk unsur kedua, tetapi belum menyediakan unsur ketiga sebagai solusi teruji.

Mengisi kekosongan kasus uji middle mile

Middle mile mencakup pergerakan barang di antara pusat distribusi pada skala regional atau kontinental. Berbeda dari banyak operasi first mile dan last mile, satu kiriman dapat berganti kendaraan, dibongkar dan disortir di fasilitas perantara, lalu digabungkan dengan muatan lain sebelum melanjutkan perjalanan.

Riset pada tahap ini menghadapi kelangkaan data publik berkualitas tinggi karena topologi jaringan dan volume permintaan umumnya merupakan informasi bisnis sensitif. Akibatnya, metode optimasi yang berbeda kerap diuji menggunakan data milik masing-masing pihak dan sulit dibandingkan pada kasus yang sama.

Generator sintetis menawarkan masukan yang dapat direproduksi tanpa menyamakan data buatan dengan catatan operasi asli. MilleMiglia dapat membentuk instans kecil untuk eksperimen algoritme eksak, kasus menengah, masalah berskala industri untuk heuristik atau metaheuristik, serta kumpulan data bagi pelatihan model pembelajaran mesin.

Fleksibilitas skala tersebut belum membuktikan bahwa distribusi yang dihasilkan mewakili setiap jaringan nyata. Relevansinya untuk kondisi operasional tertentu, termasuk jaringan logistik di Indonesia, tetap memerlukan pembandingan dengan data lapangan yang representatif.

Kendala yang dimodelkan melampaui rute satu kendaraan

MilleMiglia merepresentasikan operasi sebagai masalah aliran multikomoditas pada graf ruang-waktu. Setiap simpul menggambarkan pusat distribusi pada interval tertentu, sedangkan sisi mewakili pergerakan kendaraan atau kiriman yang ditahan untuk penyimpanan dan penyortiran.

Kasus ujinya memuat tiga kelompok kendala yang saling bergantung. Hubungan antarkendala ini membuat persoalan middle mile berbeda dari sekadar menentukan urutan kunjungan satu armada.

Jadwal tetap: kendaraan mempunyai waktu keberangkatan dan kedatangan yang harus dipatuhi.
Kapasitas pusat distribusi: volume yang dapat disortir atau dipindahkan antarkendaraan dalam suatu periode dibatasi kemampuan fasilitas.
Sinkronisasi: kiriman harus tiba tepat waktu untuk mengikuti kendaraan berikutnya; koneksi yang terlewat membuatnya menunggu siklus selanjutnya.

Sebuah kiriman dapat melewati beberapa pusat dan kendaraan selama beberapa hari. Solver karena itu harus memilih rangkaian koneksi sambil menjaga kapasitas kendaraan, kemampuan pemrosesan fasilitas, jadwal, serta ketergantungan antara kedatangan dan keberangkatan.

Benchmark belum menjadi bukti penghematan

Benchmark bersama dapat membuat eksperimen lebih mudah dibandingkan, tetapi tidak dengan sendirinya membuktikan penurunan biaya, percepatan pengiriman, atau peningkatan ketepatan jadwal. Klaim manfaat seperti itu memerlukan solver yang terdefinisi, sasaran optimasi yang jelas, baseline pembanding, anggaran komputasi yang setara, dan pengujian pada beragam instans.

Solver serta API khusus untuk struktur aliran middle mile masih berada dalam pengembangan. Publikasi peluncuran belum menyajikan algoritme, waktu komputasi, kesenjangan terhadap solusi optimal, biaya pengiriman, ataupun ukuran ketepatan jadwal. Efisiensi operasional dengan demikian masih menjadi tujuan riset, bukan hasil yang telah dibuktikan oleh rilis MilleMiglia.

Validasi perlu dilakukan pada dua lapisan yang berbeda. Distribusi sintetis terlebih dahulu harus dinilai untuk mengetahui seberapa baik variasinya mencerminkan jaringan nyata; setelah solver tersedia, performanya perlu diuji secara terpisah terhadap baseline dan data operasi yang representatif. Hasil baik pada instans sintetis tidak otomatis menunjukkan kesiapan menghadapi keterlambatan, perubahan permintaan, atau aturan lokal.

Apa yang masih belum diketahui

MilleMiglia kini menyediakan artefak konkret bagi penelitian: kode generator terbuka, format instans bersama, dan mekanisme untuk membentuk kasus dengan jadwal tetap, kapasitas pusat distribusi, serta perpindahan antarkendaraan. Nilai langsungnya terletak pada eksperimen yang dapat direproduksi dan perbandingan metode menggunakan masukan yang sama.

Yang belum tersedia adalah solver khusus, protokol evaluasi yang lengkap, baseline, hasil kinerja yang dapat direproduksi, dan validasi terhadap jaringan riil. Sampai bukti tersebut diterbitkan, MilleMiglia lebih tepat dipahami sebagai fondasi data dan benchmark middle mile, bukan solusi optimasi siap produksi.

MilleMiglia membuka data logistik sintetis—kinerja solver belum terbukti