اثر تعدیل کننده توپولوژی شبکه تامین بر کارایی مدیریت ریسک
چکیده
در حالی که مدیریت ریسک زنجیره تأمین یک مجموعه از ابزارهای غنی را برای مقابله با ریسک در سطح دوگانه ارائه می‌دهد، اما توجه کمتری به کارایی مدیریت ریسک در شبکه‌های تأمین پیچیده معطوف شده است. ما این شکاف را با ایجاد یک مدل مبتنی بر عامل برای بررسی رابطه بین ویژگیهای توپولوژیکی شبکه‌های تأمین پیچیده و توانایی آنها برای بهبودی از طریق کاهش موجودی و تغییر مسیر احتمالی، پر می‌کنیم. ما شبکه‌های تأمین بالادست را درجاییکه هر عامل نشاندهنده یک تأمین کننده است شبیه سازی می‌کنیم. الگوهای ارتباط تأمین کنندگان از طریق مدلهای وابستگی تصادفی و ترجیحی ایجاد می‌شوند. هر تأمین کننده با استفاده از سیاست سفارش دهی تعدیل کننده، موجودی خود را کنترل می‌کند. ما سپس بطور تصادفی تأمین کنندگان را تفکیک می‌کنیم و مشاهده می‌کنیم که چگونه توپولوژیهای مختلف در زمان اعمال استراتژیهای مدیریت ریسک بهبود می‌یابند. نتایج ما نشان می‌دهند که توپولوژی دارای اثر تعدیل کننده‌ای بر کارایی استراتژیهای مدیریت ریسک می‌باشد. شبکه‌های تأمین بدون مقیاس هزینه‌های کمتری را ایجاد می‌کنند و دارای نرخ پرسازی بالاتری می‌باشند و در زمانیکه در معرض اختلالات تصادفی قرار می‌گیرند، نسبت به شبکه‌های تصادفی به موجودی کمتری برای بازیابی نیاز دارد. شبکه‌های تصادفی بطور قابل توجهی نیاز به موجودی بیشتری برای توزیع در سراسر شبکه دارند تا به نرخ پرسازی مشابه شبکه‌های بدون مقیاس دست یابند. کاهش موجودی، نرخ پرسازی را بیشتر از تغییر مسیر احتمالی صرف نظر از توپولوژی شبکه، بهبود می‌بخشد. تغییر مسیر احتمالی به دلیل تعداد اندک تأمین کنندگان دیگر برای شبکه‌های بدون مقیاس، بخصوص برای اختلالات کوتاه مدت مؤثر نیست. ما همچنین درمی یابیم که استفاده از کاهش موجودی برای بیشتر تأمین کنندگان جدا از هم، تنها زمانی مؤثر است که شبکه در معرض اختلالات مکرر قرار بگیرد، و در غیر اینصورت مقرون به صرفه نمی باشد. کار ما به زمینه نوظهور تحقیقاتی در مورد رابطه بین توپولوژی پیچیده شبکه تأمین و برگشت پذیری آن کمک می‌کند.
1. مقدمه
در طی دهه‌های گذشته، زنجیره‌های تأمین طولانی‌تر شده‌اند و در نتیجۀ جهانی شدن و افزایش فشارهای هزینه به هم مرتبط شده‌اند (Christopher و Holweg، 2011). این ارتباط داخلی بدین معنی است که شکست در یک واحد زنجیره تأمین می‌تواند به طور بالقوه‌ای در سراسر شبکه بطور آبشاری باشد (Schmitt و Singh، 2012)، و بر ریسک نظارت داشته باشد و چالشها را کاهش دهد.
تأمین کنندگان از سطوح مختلف با هم ارتباط برقرار می‌کنند تا الگوهای اتصال مبرم و در عین حال قابل پیشی بینی را که به عنوان "توپولوژی شبکه تأمین" توصیف می‌شود ایجاد نمایند (Thadakamalla و همکاران، 2004). هدف از مطالعات در مورد توپولوژی شبکه که تحت چارچوب دانش شبکه انجام شده‌اند، آشکار ساختن پدیده رفتاری سیستمهای متصل به یکدیگر می‌باشد که نمی‌تواند از چشم انداز یک نهاد بخوبی شناخته شود. درک نحوه تصمیم گیری در چندین نهاد مرتبط به هم بر انعطاف پذیری کل شبکه، برای مقابله مؤثر با اختلالات ضروری است زیرا شکستها به احتمال زیاد در توپولوژیهای خاصی گسترش می‌یابند (Watts، 2002).
Abstract
While supply chain risk management offers a rich toolset for dealing with risk at the dyadic level, less attention has been given to the effectiveness of risk management in complex supply networks. We bridge this gap by building an agent based model to explore the relationship between topological characteristics of complex supply networks and their ability to recover through inventory mitigation and contingent rerouting. We simulate upstream supply networks, where each agent represents a supplier. Suppliers' connectivity patterns are generated through random and preferential attachment models. Each supplier manages its inventory using an anchor-and-adjust ordering policy. We then randomly disrupt suppliers and observe how different topologies recover when risk management strategies are applied. Our results show that topology has a moderating effect on the effectiveness of risk management strategies. Scale-free supply networks generate lower costs, have higher fill-rates, and need less inventory to recover when exposed to random disruptions than random networks. Random networks need significantly more inventory distributed across the network to achieve the same fill rates as scale-free networks. Inventory mitigation improves fill-rate more than contingent rerouting regardless of network topology. Contingent rerouting is not effective for scale-free networks due to the low number of alternative suppliers, particularly for short-lasting disruptions. We also find that applying inventory mitigation to the most disrupted suppliers is only effective when the network is exposed to frequent disruptions; and not cost effective otherwise. Our work contributes to the emerging field of research on the relationship between complex supply network topology and resilience.
1. Introduction
Over the past decades, supply chains have grown longer and became interconnected as a result of globalisation and rising cost pressures (Christopher and Holweg, 2011). Interconnectedness implies that a failure in one supply chain entity can potentially cascade across the whole network (Schmitt and Singh, 2012), making risk monitoring and mitigation challenging.
Suppliers of multiple tiers are tied together creating emergent, yet predictable connection patterns, described as “supply network topology” (Thadakamalla et al., 2004). Studies on network topology, conducted under the framework of network science aim to unveil the behavioural phenomena of interconnected systems, which cannot be well understood from the perspective of a single entity. Understanding how the decision-making of multiple interconnected entities influence overall network resilience is necessary to cope with disruptions effectively because failures are more likely to propagate in certain topologies (Watts, 2002).
چکیده
1. مقدمه
2. مروری بر ادبیات
2.1. مدیریت ریسک زنجیره تأمین
2.2. توپولوژی شبکه تأمین
2.3. شکاف دانش
3. طرح تحقیقاتی
3.1. مدل مبتنی بر عامل
3.2. ایجاد شبکه تامین بالادست
3.3 مدل مدیریت موجودی
3.4 سیستم آزمایشی برای ساختارهای مدیریت موجودی در شبکه
3.5 معیارهای عملکرد
3.6 طراحی آزمایشات
4 نتایج و بحث
4.1. تاثیر اختلال
4.2 کارایی کاهش موجودی
4.3 کارایی تغییر مسیر احتمالی
4.4 تفاوتهای بین کاهش موجودی و تغییر مسیر احتمالی
4.5 کارایی احتمال و کاهش هدفمند
5 نتیجه گیری
منابع
Abstract
1. Introduction
2. Literature review
2.1. Supply chain risk management
2.2. Supply network topology
2.3. Knowledge gap
3. Research design
3.1. Agent-based model
3.2. Upstream supply network generation
3.3. The stock management model
3.4. Experimental setup for the stock management structures in the network
3.5. Performance metrics
3.6. Design of experiments
4. Results and discussion
4.1. Disruption impact
4.2. Effectiveness of inventory mitigation
4.3. Effectiveness of contingent rerouting
4.4. Differences between inventory mitigation and contingent rerouting
4.5. Effectiveness of targeted mitigation and contingency
5. Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه