actas de la conferencia de simulación de invierno 2012

8/13/2019 Actas de la Conferencia de Simulacin de Invierno 2012

1/29

Universidad Tecnolgica MetropolitanaFacultad de Ingeniera

Departamento de Informtica

TALLER 2WSC

Nombre: Natalia Herrera Fuentes

Profesor: Santiago Zapata Cceres

Asignatura: Simulacin de Sistemas

Fecha: 08 agosto 2013


2/29

PAPER ORIGI NAL

Proceedings of the 2012 Winter Simulation Conference C. Laroque, J. Himmelspach, R. Pasupathy, O. Rose, and A.M. Uhrmacher, eds

AN APPROACH FOR INCREASINGFLEXIBILITY IN GREEN SUPPLY CHAINS DRIVEN BYSIMULATION

Markus Rabe Adrienn Horvath

Sven Spieckerm ann Till Fechteler

Technical University Dortmund SimPlan AGLeonard-Euler-Strae 5 Edmund-Seng-Str. 3-5

D- 44227 Dortmund, GERMANY D- 63477 Maintal, GERMANY

ABSTRACT

Flexibility is a relevant topic in the field of green supply chains (GSC), as disturbances lead to additionaltransport and storage, frequently aggravated by energy-consuming air conditioning requirements. This

paper discusses how simulation can support to establish flexible GSCs with specific focus on decreasingCO 2 and energy consumption. For this purpose, the term flexibility is structured into categories, andmethodological approaches driven by simulation in supply chains are studied. Flexibility requirements inthe context of a GSC are analyzed and potential support derived for increasing this flexibility, gained by a

join of simulation techniques, data models and morphological characteristics of flexibility. An approachfor systematic flexibility analysis is presented on the grounds of a data mart that represents both internaland external factors influencing GSC scenarios.

1 INTRODUCTION

The continuous growth of CO 2 emissions and energy consumption is a major cause for greenhouse gasemissions and in consequence for climate change, which has the largest negative impact on our environ-ment (Diabat and Simchi-Levi 2009). There are a lot of manufacturing organizations who deal withmeasuring and reducing the size of their carbon footprint and the amount of energy (Van Slooten 2009),

but there are fewer supply chains (SC) which can support these intentions, because there exists no ade-quate method or general set-up for these activities (Rabe and Deininger 2011). Even though it is generallyagreed that being environmentally responsible can induce a competitive advantage, SCs will inevitablyneed to respect this aspect in the future.

Several methods can be applied to analyse steady-state SCs, but this is not sufficient. SCs are in thecenter of demand, production, and environmental as well as social constraints. Therefore, most SCs arehighly dynamic systems, influenced by continuous technological changes, innovations, traffic operationand policy, many kinds of costs (e.g., energy, duties, taxes, wages, etc.) and the uncertainties of an always

changing economy. Hence, SCs have to provide a high grade of flexibility to cope with these require-ments. In the light of these challenges the goal of this paper is to understand how discrete event simula-tion can support increasing flexibility in SCs with the specific focus on decreasing CO 2 emissions and en-ergy consumption and keeping them low even under disturbances. For the steady-state case, we can findapproaches for the description of green supply chains and even standards like GreenSCOR (Chenga2011). Surprisingly, there seem to be few researches in the exploitation of discrete event simulation tech-niques for the flexibility evaluation of green supply chains under disturbance, and the authors have not

been able to find a previous paper with this focus. To meet our goal, we first introduce the relevant termsof the research topic with specific scope on environment-friendliness in the SC and the concept of flexi-

978-1-4673-4781-5/12/$31.00 2012 IEEE


3/29

Rabe, Spieckermann, Horvath, and Fechteler

bility. The main section portrays a brief explanation of how we bring together simulation and flexibilityon different levels in a model and some intricacies involved in simulation.

2 GREEN SUPPLY CHAINS AND FLEXIBILITY In this chapter we introduce the most important terms that will be used in conjunction with simulation,namely green supply chains and flexibility. As a first step, we define what green supply ch ain means,which kind of environment-friendly actions exist and how the method Life Cycle Assessment (LCA)helps to identify the nodes of a green supply chain that have to be improved by taking flexibility into con-sideration. In the next paragraph we state essential definitions and the historical background of manufac-turing flexibility. Then, we discuss further morphological characteristics of flexibility that should be ana-lyzed within detail in the next chapter, based on a modeling approach and an example.

2.1 How Can a Supply Chain beGree n? The complexity of SCs has risen significantly because of the new and increasing requirements and possi-

bilities like sustainability, globalization and environmental friendliness (Rabe and Deininger 2011). Inthis context the term green suppl y chain became also a new important topic of research, which does nothave a standardized definition yet. For instance, Godfrey (1998) defines GSCs as practices of monitoringand improving environmental performance in the SC. Green et al. (1996) state that green supply refers tothe way in which innovations in SC management and industrial purchasing are considered in the contextof the environment. Hervani et al. (2005) interpreted GSC as aggregation of SC activities in relation to thesupport of the protection of the environment. Examples for these activities include Green Design, Selec-tion of Green Material, Selection of Green Suppliers, Green Production, Green Logistics, Green Packag-ing, Gaining Green Certification, and Reverse Logistics (Rabe and Deininger 2011). Rao and Holt (2005)

point out that the issue of green focuses on the minimization or elimination of solid, energy, emissions,chemicals or hazardous waste by material suppliers, contractors, service contractors, vendors, distributors,and end users within the SC. From this multitude of environment-friendly action fields, in this paper wefocus on climate protection and on such activities which reduce carbon emissions and so decrease energyuse within the SC. More precisely, we examine the sector logistics because its emissions continued togrow spectacularly in the last decades (in contrast to other determining sectors in this topic, like manufac-turing and construction) (Clausen and Hesse 2008). More specifically, this paper discusses the section ofthe SC from the finished product transported from the manufacturing plant up to the retail store.

As a method for collecting, selecting and analyzing the data which influence a SCs green strategy,we have chosen Life Cycle Assessment (LCA). LCA is a very effective technique for these requirements,

because this concept uses the most accurate and relevant data for identifying information that can showhow environment-friendly the SC is at a specific point of time. Also, LCA is able to help us to definewhat the further options of the GSC improvement are. Moreover, it supports the "Compilation and evalua-tion of the inputs, outputs and the potential environmental impacts of a product system throughout its lifecycle" (ISO 14000, 2007), relying on international trusted databases like ecoinvent or European Refer-ence Life Cycle Database (Lindskog and Berglund 2011). However, we have to understand that LCA

principally covers the whole product life cycle, while we restrict our study to a clearly limited phase of product distribution. Therefore, we have to respect this constraint in our approach.

2.2 Flexibility Flexibility is one of the most important requirements of modern SCs, because it facilitates the response tochallenges like globalization, technological changes, innovations and the continuous economical uncer-tainty with little penalty in time, effort, cost or performance (Zhang et al. 2002a; 2002b; 2006). With flex-ibility, SCs can achieve a huge competitive advantage and ensure their survival in this ever changingworld. In addition, this ability is also needed to meet the demand of environment-friendly customers,whose number is continually increasing (Straube and Doch 2011).


4/29


The concept of flexibility has been first introduced in the work of Lavington (1921), who points out aconnection between variability and the value of flexibility taking the "risk arising from the immobility ofinvested resources into consideration". After that, three functional perspectives of flexibility have beenevolved. The first is the economic one that is based on the research of Stigler (1939), who defines flexibil-ity as the ability of a single-product firm to make output decisions at relatively low costs, when exoge-

nous shocks are impacting on the organization. In the 1980ies and 1990ies, the manufacturing perspectiveis emphasized, while conceptual frameworks, models and measures for manufacturing flexibility are de-veloped (Bertrand 2003; Wadhwa and Rao 2003). In the last 10-15 years organizations and SCs are alsogetting into the focus of academic studies (Koste and Malhotra 1999). From this perspective, flexibility isthe firm s ability to suffer limited change without serious disorganization (Sethi and Sethi 1990; Zhang etal. 2002b; Zhang et al. 2009). The tools of such kind of non-technological flexibility are for instance de-centralization, divisionalization and project management, job enrichment or enlargement concepts, man-agement of SC capabilities or business strategies (Awwad and Almaham id 2008; Child 1972).

Referring to the literature, four dimensions of flexibility are classified (Day 1994; Zhang et al.2002b): product development flexibility, manufacturing flexibility, logistics flexibility, and spanning flex-ibility. Product development flexibility means the ability to rapidly and effectively introduce new prod-ucts and upgrade existing products by replying to cust omers demands for design altering (Sethi and Sethi

1990). Manufacturing flexibility evolves when manufacturing resources and unsteadinesses are adequate-ly managed and in parallel, different customer demands are taken into consideration (Zhang et al. 2003).In the focus of logistics flexibility are the changing requirements for delivery, support and service, whichthe organization has to treat in an effective and rapid manner (Perry 1991; Davis 1993; Day 1994; Bow-ersox and Closs 1996; Zhang et al. 2002b; Zhang et al. 2005). At least, spanning flexibility is present in afirm s life when horizontal information connections within the SC are created and ensured (Day 1994).Certainly these dimensions are typical of SCs too, because of the interrelations that exist between compa-nies and organizations.

The different time horizons are also relevant to mention, because they can influence the decision mak-ing strategy and so the flexibility of a SC. There are three horizons that we can distinguish. Operationalflexibility (short-term) corresponds to built-in procedures that permit a large range of responses to opera-tional variables (e.g., sequencing, scheduling). Tactical flexibility (medium-term) for factories refers to

actions that are undertaken before the plant is built and the organizational setup is determined (Carlsson1989; Upton 1994). This horizon shows technological and organizational routines corresponding to howto deal with quantitative and qualitative changes considering production and product mix over the courseof a business cycle etc. (Araujo and Spring 2002). For SCs, this means that tactical flexibility covers deci-sions done before deciding the physical setup of the network. Finally, strategic flexibility (long-term) de-termines how the firm or SC is positioning itself with respect to future challenges and opportunities(Carlsson 1989; Upton 1994).

The hierarchical levels of flexibility are the following: shop floor level flexibility (product, volume,routing), called basic flexibility, plant or company level (delivery, transshipment, postponement) whichmeans system flexibility and aggregate level (sourcing, response, access, launch) which concludes thecustomer-supplier relationships in a SC (Snchez and Prez Prez 2005). A SC is flexible on an aggregatelevel, if it can react to changes and new challenges and achieve appropriate results as a whole, and not on-ly single participants of the SC have this ability.

Suarez (1991) pointed out that there are internal and external factors which influence flexibility.Among the internal factors of a SC those are found that are at least in principle under control of theorganization (e.g., investing in faster trucks for transportation). External factors in contrast are independ-ent of the specific SC and the participants of the SC cannot influence them, but need to adapt their SC ac-cordingly (e.g., environmental regulations, macro-economical changes, behavior of the competitors, etc.).

The categories of flexibility discussed above are summarized in Figure 1. In the next chapter we willintroduce and analyze a method which can help to increase the flexibility of GSCs, considering the organ-izational perspective, the logistics dimension (in a physical and a logical manner) and the tactical aspect


5/29


on an aggregate level of this ability, related to the internal and external influential factors, as marked or-ange on Fig. 1.

Figure 1: Categories of flexibility

3 SIMULATION FOR SUPPLY CHAINS A survey of Terzi and Cavalieri (2004) shows that there are different ways to apply simulation in a supplychain context. One way is to use simulation for the design of the supply chain. Another way might be tosupport the supply chain operation. In supply chain design, simulation can e.g., support decisions on rampup or shut down of locations (more generally called network design), on the capacity of production andwarehouse sites, on the general assessment of transport options (e.g., different transporation modes suchas transportation by ship, by train, or by truck), or on allocations of products to sites. In supply chain de-sign and in daily supply chain operation simulation may help to adjust control parameters such as safetystock or lot sizes, to assess short-term options on transportation, and to forecast the behavior of the sup-

ply chain within the near future (i.e. within the next hours or days).

Figure 2: Sample from a supply chain simulation model


6/29


Supply chain simulation projects quite often are part of a strategic initiative for a company or at least for a business unit of the company. Hence, also the objectives are rather strategic such as analysis of the exist-ing supply chain structures, identification of bottlenecks and weaknesses within the supply chain struc-ture, improved understanding of cost drivers for stock and transportation costs, and improved understand-ing of lead times and causes for stock out (Schulz and Spieckermann 2008).

In many cases of supply chain simulation it turns out to be painful and costly to generate a valid datamodel of all supply chain operations since not only information about the network is needed but also onorders, bills of material, rules on order and production control etc. (Chang and Makatsoris 2001). Thischallenge will even grow with the consideration of green aspects in supply chains.

In the context of this paper, it is necessary to point out that in the context of supply chains the te rmsimulation does in many cases not refer to discrete-event simulation (DES) (Kleijnen 2005). However,with respect to the application of DES to supply chains it is rather common to use commercial simulationtools either stand-alone ones or to connect simulation to software with advanced planning features (APSsoftware) or to ERP (Enterprise Resource Planning) systems (Banks et al. 2002). As an example, Figure 3is a screenshot of a simulation model set up with the toolset ICON-SimChain, a combination of a com-mercial DES simulation tool (PlantSimulation), and the supply chain monitoring and operation softwareenvironment ICON (Alicke and Gutenschwager 2003). This toolset will be explained in the following

sections as a background of the authors that could be enriched for the simulation of GSCs.The toolset ICON-SimChain consists of three major parts: a graphical user interface used for modelconfiguration, a data base in which all configuration data and simulation results are stored and a DESSupply Chain Simulation Framework based on Plant Simulation. In ICON-SimChain, all model elementsare created automatically from a template library implemented in PlantSimulation. This library as a set oftemplates represents predefined ready-to-use building blocks for simulation experiments. A specific tem-

plate combination is used to instantiate a specific simulation scenario with the aim to support SC deci-sions. Examples for templates within ICON-SimChain are De pot (Site) which is used to model enter-

prise locations (sites) and its transport relations to other sites or the template Transport Route which isused to model transports between locations. As described above, operational decision rules can be speci-fied within the framework of the ICON environment.

The data model of ICON-SimChain is quite extensive. Therefore, this section gives an overview ofthe most important parts of the data model, only. To simulate supply chain data of considered locations,SKU (stock keeping units), the transport relations between locations (i.e. material flow) and informationflow are necessary. The basic tables of the data model hold data which describe locations (productionsites, hubs and customers), calendars, SKU and BOM (bill of material), carriers and means of transport,information delay, forecast errors, transport relations and sourcing (sequence of transport relations). Fi-nally a scenario is defined by a set of configurations (see Figure 3).

4 USING SIMULATION TO FACE FLEXIBILITY REQUIREMENTS In this paper, we discuss Discrete Event Simulation (DES) only, because it is an efficient method for ana-lyzing time-variant systems where changes occur at discrete points in time. DES is also appropriate foranalyzing powerful wha t-if-scenarios, which means it permits the comparison of various operational al-ternatives without changing the real system (Chang und Makatsoris 2001) and that is exactly what is

needed when searching for more flexible green SCs, especially on the operational and tactical planninglevel (Hellstrm and Johnsson 2005).

The main aspect of the term flexibility is the ability of reacting to changes as pointed out in the previ-ous sections. To support flexibility in SCs there is the need to take different To Be models into accountwhere every To Be model represents an alternative scenario in respect to external influences on the SC,which facilitates supply-chain-planning too. To improve existing solutions like the one described in Sec-tion 3, a more generic and systematic modeling and data collection approach is required. The main out-lines of this approach are specified in the following.


7/29


Figure 3: Scenario definition with the ICON-SimChain data model

4.1 The General Modeling Approach The SC scope, defined by its entities and their general relationships, describes the categories and potentialsources of data that can be used for the analysis (Fig. 4). These data, from the SC itself as well as from theenvironment that is influencing the SC, are brought together in a structured architecture, which we calldata mart. The data mar t can be described as common view of enterprise data in which the physicalstorage is an underlaying data warehouse (Parimala and Pahwa 2006). The data mart contains multifari-ous data, represented by a diversity of data types related to different sources in various formats. The bene-fits of this architecture are data legibility, the support of company knowledge and the neglection of

boundaries between data management and data movement (Liu 1999). For instance, there will be sensordata which are automatically collected by radio-frequency identification (RFID) systems or data importsfrom a legacy database. Additionally, the business logic workflows can be stored in respect to LCA. Thedata mart is divided into two conceptual parts. The first one represents the external factors that cannot beinfluenced by the participants of the SC. The second one includes the internal factors like the descriptionof the current network. Both parts together are forming the data source for the simulation experiments.The main design element of the simulation approach is a template library which supports the experimentsetup. The results of simulation experiments which form the flexibility evaluation will be mirrored backto the model.

4.2 Data Mart The data mart is subdivided into the area of internal factors and the area of external factors. The internalfactors are based on the SC itself. A distinction is made between two basic SC views. The first one, calledthe physical network, is made up of entities which describe the physical structure and its geographicaltransport relations. The major elements of the physical network are nodes (e.g., factory) and relations(e.g., transport path). The second view describes the rules also called policies which illustrate the businesslogic (Hicks 1999). The business logic defines how products move through the supply chain under theconstraints set by the physical network as well as further constraints like the relationships among the

products. As an example, let us assume a physical network with an intermediate storage between themanufacturing plant and the retail store. A related business logic could specify that under regular condi-tions all products go through the intermediate storage in order to optimize truck loads, but a product is


8/29


transported directly from the plant to the retail store if the retailers inventory is zero. The third compo-nent of the internal part are the company Key Performance Indicators (KPIs). The underlying principle isto enrich the statistical data by the reliable and actual data collected by monitoring systems of the compa-ny. The assumption here would be that it is more realistic and therefore precise to use e.g., the consump-tion of actually used vehicles than to take statistical average values, possibly being independent of the

specific vehicle type, into account.

Figure 4: Flexibility model

The counterpart of internal data is the data base of external factors. These data is divided into differ-ent subclasses with respect to their function. In our approach we use three subclasses. The first one de-scribing traditional external SC factors like customer demand. The second one related to the term green in the described SC, i.e. it refers to environmental data. These data are stored in enterprise or public data-

bases and is containing information about global KPIs, like the CO 2 emissions of specific transportmodes. The last part represents further influential factors which may cause a change in the behavior of theSC. Today politics and media are an important example. A political decision such as fees for railways in acountry may have an effect on SC transport pathes. An example for the influential power of the mediacould be the advertising of the new law of France, called Gre nelle I (June 2010), which declares thatfrom July 2011 the carbon footprint label on products is mandatory rather than voluntary. It is likely thatthe discussion of this law in the media abroad will increase the interest of consumers in other countriesregarding this topic and lead them to search for such kind of products, which may result in a pressure ondomestic companies to demonstrate their environment-friendliness.


9/29


4.3 Simulation Approach for Green Supply Chains There are two kinds of information classes internal and external which influence the level of SC flexi-

bility as demonstrated in the previous section. Based on these conceptual parts there are various scenarioswith different key aspects. The first key aspect is the external one, as an enterprise likes to know whichimpact external factors will have on their (current or future) supply chain. The second key aspect relatesto the design options that an enterprise considers for their supply chain. The resulting research space is thecrossproduct of both sets of scenarios, enabling the search for the future SC that can face future externalfactors with the most adequate flexibility with acceptable economical and environmental KPIs.

The internal factors will form the knowledge base for the SC design scenarios. As an example for a physical SC network, we can imagine to add an additional node, e.g., representing a warehouse, to the ex-isting network in its potential geographical location. A simulation experiment will evaluate the To Be SC under the given constraint of the physical network and as a result supports the decision about changeson the logical network. By adding the policies to the scenario parameters we gain the ability to evaluatedifferent arrangements of rules. The results generated in this way can be used to select the best set of rulesfor different tasks (Hicks 1999). The method how to select the best policies is not in the scope of this pa-

per.The external factors serve as a further basis for simulation input. From the data point of view, these

factors represent the external flexibility requirements, because their initial values, changes and fluctua-tions will be a measure for the SC flexibility. The flexibility of the SC will determine if the SC can reactin an effective and successful manner or if undesirable effects will occur.

As already implemented for ICON-SimChain (cp. chapter 3), the simulation experiments can be au-tomatically deduced from a SC scenario, based on template libraries. The scope of the template library islimited by the scope of the SC for example, there is no need to design a template for an assembly stationif this is not part of the SC model scope.

The results of experiment series act as flexibility evaluation. One possible use of this outcome is tostudy how flexible a given system will behave in relation to external factors. The second use of these re-sults is acting as knowledge basis for the improvement of the SC with respect to green aspects, leadinge.g., to redesigning the physical network or designing and remodeling policies on the logical network lay-er.

4.4 Flexibility Example In order to gain a practical impression of the flexibility approach, an illustration is given of an examplewhich explains the discussed issue of external factors with respect to the scope of CO 2 reduction and its

practical benefit for SC flexibility. The scenario is formulated as How should I design my SC in order to be less vulnerable to a nationwide strike? The design of the SC is related to both views the physicalnetwork and the business logic. We assume that a set of policies describes the business options for inter-mediate storage of goods. The set of all possible choices is given by the SC network serving as constraintfor the simulation scenario. Furthermore, the policies can contain additional information in the form ofsupplementary knowledge. In our example they include goods which are probably the most im portant

products for the next week. The definition of most im portant depends on the SC context we can im-agine that it is the main product of a new marketing campaign, the product with the greatest financial re-ward, or simply an external factor the customer demand of a product, which leads to a requirement as adelay of the good is not ac ceptable. The specific simulation application template is the basis for simulat-ing different To Be scenarios (e.g., using and instead) andtaking business knowledge into account. The resulting different emission KPIs enable for choosing the al-ternative storage option with the fewest CO 2 emissions. This increases the flexibility of the GSC becauseif one of the storages is not available, simulation delivers the KPIs as decision support to choose the nextalternative storage with low CO 2 emissions. Therefore the company is able to react more flexible to ex-ternal distractions in their GSC.


10/29


While this sample for illustrative purposes just considers one single external factor, the flexibility ofthe SC will have to be measured with respect to its ability to react to a large set of possible fluctuations.Here, the notion of risk comes into discussion, as deviations from the standard SC behaviour can be betteraccepted if the risk for this external development is low. A method to calculate overall flexibility KPIstaking risk evaluation into account is not considered for this paper, but appears to be an interesting re-

search field in order to substantially judge the SC flexibility based on simulation experiments.5 CONCLUSION In this paper we have discussed special flexibility from the organizational perspective, the logistics di-mension and the tactical aspect on an aggregate level. In addition, flexibility characteristics where intro-duced in the green context of CO 2 reduction. The approach has pointed out that flexibility of GSCs can

be analysed by an adequate combination of data representation, simulation and supporting mechanisms.As always, measurement is the basis for improvement, and thus the flexibility analysis is the starting

point to optimize GSCs for most flexibly reacting to external influence. We have illustrated that a list ofentities is needed to build up the model. These entities are mainly a data mart with conceptually divided

parts where flexibility requirements and design scenarios can be derived from and a simulation frame-work that uses templates to conduct the flexibility evaluation. To address the data mart concept which

serves both as collaboration storage and organization of data we propose a collaboration platform. It willsupport the architecture requirements in a manner that ontologies, interfaces or different data layers can

be integrated.The first steps to realize this platform approach are taken in a currently running European project

(FP7-ICT-288585, started 01.01.2012), called Energy Efficiency in the Supply Chain through Collabora-tion, Advanced Decision Support and Automatic Sensing (e-SAVE). The aim of this initiative is to sup-

port the design and operation of energy-efficient SCs in the consumer goods sector. It will deliver the sys-tem, services, collaboration platform and management tools that will permit companies to monitor,manage and share energy use and carbon footprint data. Exploiting this platform, operational as well asstrategic decision making and SC design decisions can be supported. In this context, the authors will con-duct further research to implement the principles of studying flexibility in GSC as presented in this paperin a simulation environment cooperating with a collaboration platform.

REFERENCES

Alicke, K., and K. Gutenschwager. 2003. Supp ly Chain Simulation mit ICON-Sim Chain. In: Logistik Management: Prozesse, Systeme, Ausbildung , Edited by T. Spengler, S. Vo, and H. Kopfer, 161-178, Heidelberg, Physica.

Araujo, L., and M. Spring. 2002. Manufactu ring Flexibility and Industrial Networks. 18th IMP Confer-ence ESC , Dijon, France, CD ROM publication.

Awwad, Ab., and S. Almahamid. 2008. The Link between Modification Flexibility and OrganizationalObjectives: an Empirical Study on Jordanian Manufacturing Comp anies. Journal of Social Sciences 4:293-307.

Banks, J., S. Buckley, S. Jain, P. Lendermann, and M. Manivannan. 2002. Panel Session: Opportunities

for Simulation in Supply Chain Management. In Proceedings of the 2002 Winter Simulation Confer-ence , Edited by J. L. Snowdon, J. M. Charnes, E. Ycesan, and C.-H. Chen, 1652-1658. Piscataway, New Jersey: IEEE.

Bertrand, J. W. M. 2003. Supp ly Chain Design: Flexibility Considerations. Handbooks in OR & MS , No. 11, 133 198. Amsterdam, Netherlands: Elsevier.

Bowersox, D. J., and D.J. Closs. 1996. Logistics Management: the Integrated Supply Chain Process . NewYork, New York: Mc Graw and Hill.

Carlsson, B. 1989. Flexibili ty and the Theory of the Firm . International Journal of Industrial Organiza-tion 7:179 203. Amsterdam, Netherlands: Elsevier.


11/29


Chang, Y., and H. Makatsoris. 2001. Supp ly Chain Modeling using Simu lation. Simulation 2:24 30.Berlin, Germany: Springer Verlag.

Chenga, J.C. 2011. A Web Service Framework for Measuring and Monitoring Environmental and Car- bon Footprint in Construction Supply Ch ains. Procedia Engineering 14:141-147. Amsterdam, Neth-erlands: Elsevier.

Child, J. 1972. Organizational Structure, Environment and Performance: The Role of Strategic Choice. Sociology 6:2 22. Thousand Oaks, California: SAGE Publications.Clausen, U., and Hesse, K. 2008. Nachhaltige Gestaltung der Logistik. Duisport Magazin , No. 4/2008,

19-21. Duisburg, Germany: Duisburger Hafen AG.Davis, T. 1993. Effective Supply Chain Managem ent. Sloan Management Review , Summer 1993, 35

46. Cambride, Massachusetts: Massachusetts Institute of Technology.Day, G. S. 1994. The Capabilities of Market-driven Organizations. Journal of Marketing 58:37 52.

Boston, Massechusetts: American Marketing Association.Diabat, A., and D. Simchi-Levi. 2010. A Carbon-capped Supply Chain Network Problem . IEEE Inter-

national Conference on Industrial Engineering and Engineering Management, 2009, 523 527. Pisca-taway, New Jersey: Institute of Electrical and Electronics Engineers.

Green, K., and B. Morton, S. New. 1996. Purchasing and Environmental Management: Interactions, Pol-

icies and Opportunties. Business Strategy and the Environment 5:188 197. Manchester, UnitedKingdom: CROMTEC, UMIST.Godfrey, R. 1998. Ethical Purchasing: Developing the Supply Chain beyond Environm ent. Greener

Purchasing: Opportunities and Innovations, Edited by T. Russel, 244 251. Sheffield, United King-dom: Greenleaf Publishing.

Hellstrm, D., M. Johnsson. 2002. Using Discrete-event Simulation in Supply Chain Pl anning. 14th Annual Conference for Nordic Researchers in Logistics . Trondheim, Norway: NOFOMA

Hervani, A.A., M.M. Helms, and J. Sarkis. 2005. Perfo rmance Measurement for Green Supply ChainManagem ent. Benchmarking 12:330 353. Bradford, United Kingdom: Emerald Group PublishingLimited.

Hicks, D.A. 1999. A Four Step Methodology for Using Simulation and Optimization Technologies inStrategic Supply Chain Planning . In Proceedings of the 31st Winter Simulation Conference , Volume2, Edited by A. Phillip, Farrington, H. B. Nembhard, W. G. Evans, and D.T. Sturrock, 1215 1220.

New York: Institute of Electrical and Electronical Engineers.International Organization for Standardization (ISO). 2007. ISO 14000-Series Environment Management

Systems.Kleijnen, J. P. C. 2005. Supply Chain Simulation Tools and Techniques: A Survey. In: International

Journal of Simulation and Process Modelling 1:82-89.Koste, L.L., and M.K. Malhotra. 1999. A Theoretical Framework for Analyzing the Dimensions of

Manufacturing Flexibilit y. Journal of Operations Management 18:75 93. Amsterdam, Netherlands:Elsevier.

Lavington, F. 1921. The English Capital Market . London: Methuen & Co.Lindskog, E., and J. Berglund. 2011. A Method for Detemining the Enviromental Footprint of Industrial

Products using Simu lation. In Proceedings of the 2011 Winter Simulation Conference , Edited by L.Lundh, J. Berglund, Y.T. Lee, A. Skoogh, and B. Johannson, 2131 2142. New York: Institute ofElectrical and Electronical Engineers.

Liu, J. 1999. "Data Mart: Next Step in Data Storage". Term Paper. Boulder, Colorado: University of Col-orado.

Parimala, N., and P.Pahwa. 2006. Coalescing Data Marts. In Proceedings of XVI International Confer- ence on Computer and Information Science and Engineering (CISE), 280-285. Turtle Bay Resort,Honolulu, Hawaii: IEEE ICCCN.


12/29


Perry, J. H. 1991. Emerging Economic and Technological Futures: Implications for Design and Man-agement of Logistics Systems in the 1990s. Journal of Business Logistics 12:1 16. Lombard, Illi-nois: CSCMP.

Rabe, M., and M. Deininger. 2012. State of Art and Research Demands for Simulation Modeling ofGreen Supply Chains. International Journal of Automation Technology 6:296 303. Tokyo, Japan:

Fuji Technology Press Co., Ltd.Rao, P., and D. Holt. 2005. Do Green Supply Chains Lead to Competitiveness and Economic Perfor-mance? International Journal of Operations & Production Management 25:898 916. Bradford,United Kingdom: Emerald Group Publishing Limited.

Snchez A.M., and M. Prez Prez, (2005) Supp ly Chain Flexibility and Firm Performance: A Concep-tual Model and Empirical Study in the Automotive Industry . International Journal of Operations &

Production Management 25:681 700. Bradford, United Kingdom: Emerald Group Publishing Lim-ited.

Schulz, M., and S. Spieckermann. 2008. Logistics Simulation in the Chemical Industry. In: Logistic Optimization of Chemical Production Processes , Edited by S. Engell, 21-36, Chichester, Wiley.

Sethi, A. K., and S.P. Sethi. 1990. Flexibili ty in Manufacturing: a Survey . International Journal of Flexible Manufacturing Systems 2:289 328. Berlin, Germany: Springer Verlag.

Stigler, G. 1939. Pr oduction and Distribution in the Short Run. Journal of Political Economy 47:305-327. Chicago, Illinois: University of Chicago Press.Straube, F., and S. Doch. 2011 .A Contribution to Sustainable Logistics and Supply Chain - Conceptual

Design to Evaluate Ecological and Economical Cause-Effect Relations in Logistics Planning Process-es. In Advances in Sustainable Manufacturing, Edited by G. Seliger, M.K. Khraisheh, and I.S. Jawa-hir, 353 364. Berlin, Germany: Springer Verlag.

Suarez, F. F., M. A. Cusumano, and C. F. Fine. 1991. Flexibility and Performance: A Literature Critiqueand Strategic Framework . Sloan School of Management Working Paper. 3298 91. Cambridge, MA,Massachusetts Institute of Technology.

Terzi, S., and S. Cavalieri. 2004. Simulation in the Supply Chain Context: A Survey . In Computers in Industry 53:3-16.

Upton, D. 1994. The Management of Manufacturing Flexibility . California Management Review 36:72 89. Bradford, United Kingdom: Emerald Group Publishing Limited.

Van Slooten, W.M.C. 2009. The Role of CO2 Footprint during Order Acquisition . MSc Thesis, Facultyof Technology, Policy and Management, 1 20. Delft, Netherlands, Delft University of Technology.

Wadhwa, S., and K.S. Rao. 2003. Enterprise Modeling of Supply Chains Involving Multiple Entity Flows: Role of Flexibility in Enhancing Lead Time Performance . Studies in Informatics and Control. PasingCity, Philippines: ICI Publishing House.

Zhang, Q., M. A. Vonderembse, and J.-S. Lim. 2002a. Product Development Flexibility: Testing Rela-tionships among Competence, Capability and Customer Satisfaction . Arkansas State University andThe University of Toledo.

Zhang, Q., M. A. Vonderembse,and J.-S. Lim. 2002b. Value Chain Flexibility: a Dichotomy of Compe-tence and Capability . International Journal of Production Research 40:561 583. London, UnitedKingdom: Taylor & Francis.

Zhang, Q., M. A. Vonderembse, and J.-S. Lim. 2003. Manufacturing Flexibility: Defining and Analyz-ing Relationships among Competence, Capability, and Custom er Satisfaction. Journal of Operations

Management 21:173-191. Amsterdam, Netherlands: Elsevier.Zhang, Q., M. A. Vonderembse, and J.-S. Lim. 2005. "Logistics Flexibility and its Impact on Customer

Satisfaction." International Journal of Logistics Management 16:71-95. Amsterdam, Netherlands:Elsevier.

Zhang, Q., M. A. Vonderembse, and J.-S. Lim 2006. Spanning Flexibility: Supply Chain Information Dissemination Drives Strategy Development and Customer Satisfaction. Supply Chain Management 11:390-399. Amsterdam, Netherlands: Elsevier.


13/29


Zhang, Q., M.A. Vonderembse, and M. Cao. 2009. Product Concept and Prototype Flexibility inManu- facturing: Implications for Customer Satisfaction. European Journal ofOperational Research 194:143 154. Amsterdam, Netherlands: Elsevier.

AUTHORBIOGRAPHIES

MARKUS RABE is full professor for IT in production and logistics at the TechnicalUniversity Dort- mund. Until 2010 he had been with Fraunhofer IPK in Berlin as head of thecorporate logistics and processes department, head of the central IT department and member ofthe institute direction circle. His research focus is on information systems for supply chains,

production planning and simulation. Markus Rabe is vice chair of the Simulation in Productionand Logistics group of the simulation society ASIM, member of the editorial board of theJournal of Simulation, member of several conference program com- mittees, has chaired theASIM SPL conference in 1998, 2000, 2004, and 2008, and is local chair of the WSC 2012 inBerlin. More than 150 publications and editions report from his work. His e-mail address ismarkus.rabe@tu-dortm und.de .

SVEN SPIECKERMANNis Chief Executive Officer at SimPlan AG, Maintal, Germany,mainly working as a senior consultant and project manager in simulation projects for severalindustries. Since 1992, he has been participating in over 200 simulation projects. Additionally, hehas been giving lectures in simulation at the Technical University of Braunschweig since 1995and at the Technical University of Darm- stadt since 2008. He has published several papers onsimulation, simulation-based optimization and related topics. His e-mail address [email protected] .

ADRIENN HORVATH is since 2011 a research assistant at the Technical UniversityDortmund, IT i n Produktion and Logistik. She studied Business and Management at the BudapestUniversity of Technolo- gy and Economics and graduated with a thesis on innovation supportingmechanisms. Her research focus is environment-friendly supply chains. Her e-mail address [email protected] .

TILL FECHTELER is Branch Manager at SimPlan AG, Braunschweig, Germany, mainlyworking as a senior consultant and project manager in simulation projects. Since 1997, he has

been participating in more than 100 simulation projects for several industries. His e-mail addressis [email protected] .
mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]


14/29

PAPER TRADUCIDO

Actas de la Conferencia de Simulacin de Invierno 2012

C. Laroque, J. Himmelspach, R. Pasupathy, O. Rose y AM Uhrmacher, eds

UN ENFOQUE PARA AUMENTAR LA FLEXIBILIDAD

EN CADENAS DE SUMINISTRO VERDE IMPULSADO POR LA SIMULACIN

Markus RabeAdrienn Horvath

Universidad Tcnica de DortmundLeonard-Euler-Strae 5

D-44227 Dortmund, Alemania

Sven Spieckermann

Hasta Fechteler

SimPlan AGEdmund-Seng-Str. 3-5

D-63477 Maintal, Alemania

RESUMEN

La flexibilidad es un tema relevante en el campo de las cadenas de suministro verdes(SGC), que conducen a perturbaciones adicionales transporte y almacenamiento, agravadoscon frecuencia por los requerimientos de aire acondicionado que consumen energa. Estedocumento analiza cmo la simulacin puede apoyar para establecer GSCS flexibles conespecial nfasis en la disminucin de CO2 y el consumo de energa. Para este propsito, eltrmino flexibilidad se estructura en categoras, y enfoques metodolgicos impulsados porla simulacin en las cadenas de suministro se estudian. Requisitos de flexibilidad en elcontexto de un SGC se analizan y apoyo potencial derivada para aumentar esta flexibilidad,adquirida por un unin de las tcnicas de simulacin, modelos de datos y las caractersticasmorfolgicas de la flexibilidad. Un enfoque se presenta el anlisis de flexibilidadsistemtica sobre la base de un mercado de datos que representa tanto internos y los

factores externos que influyen en los escenarios de la SGC.

1 INTRODUCCIN

El continuo crecimiento de emisiones de CO2 y el consumo de energa es una de las principales causas de gases de efecto invernadero emisiones y en consecuencia por el


15/29

cambio climtico, que tiene el mayor impacto negativo sobre nuestro medio ambiente(Diabat y Simchi-Levi 2009). Hay una gran cantidad de organizaciones de fabricacin quese ocupan de medir y reducir el tamao de su huella de carbono y la cantidad de energa(Van Slooten 2009), pero hay un menor nmero de cadenas de suministro (SC) que puedensoportar estas intenciones, porque no existe ademtodo o general puesta a punto para estasactividades (Rabe y Deininger 2011) cuada. A pesar de que generalmente acord que serresponsable con el medioambiente puede inducir una ventaja competitiva, SC,inevitablemente, necesidad de respetar este aspecto en el futuro.

Varios mtodos pueden ser aplicados para analizar los CSs en estado stacionario, pero estono es suficiente. CSs estn en la Centro de la demanda, la produccin y el medio ambiente,as como las restricciones sociales. Por lo tanto, la mayora de los CSs estn en sistemasaltamente dinmicos, influenciados por continuos cambios tecnolgicos, las innovaciones,las operaciones de trfico y la poltica, muchos tipos de gastos (por ejemplo, energa,derechos, impuestos, salarios, etc) y las incertidumbres de un constante cambio de laeconoma. Por lo tanto, SC tiene que proporcionar un alto grado de flexibilidad para hacerfrente a estos requerimientos. A la luz de estos desafos el objetivo de este trabajo esentender cmo discretos eventos de simulacin pueden apoyar el aumento de la flexibilidaden las SC con el enfoque especfico en la disminucin de emisiones de CO2 y en consumode energa y mantenerlos bajo, incluso con perturbaciones. Para el caso en el estado deequilibrio, podemos encontrar enfoques para la descripcin de las cadenas de suministroverdes e incluso las normas como GreenSCOR (Chenga 2011). Sorprendentemente, pareceque hay pocas investigaciones en la explotacin de simulacin de eventos discretos tech-cas

para evaluar la flexibilidad de las cadenas de suministro verdes bajo perturbacin, y los

autores no tienen sido capaz de encontrar un trabajo previo con este enfoque. Para cumplirnuestro objetivo, primero introducimos los trminos pertinentes del tema de investigacincon un contenido determinado de respeto del medio ambiente en el SC y el concepto deflexibilidad. La seccin principal retrata una breve explicacin de cmo reunir a lasimulacin y la flexibilidad en diferentes niveles en un modelo y algunas complejidadesinvolucradas en la simulacin.

2 CADENAS DE SUMINISTRO VERDE Y FLEXIBILIDAD

En este captulo se introducen los trminos ms importantes que se utilizan en combinacincon la simulacin, cadenas de suministro a saber verdes y flexibilidad. Como primer paso,se define lo que significa "cadena de suministro verde", qu tipo de acciones amigables conel ambiente existen y cmo el Anlisis del Ciclo de Vida de mtodo (LCA) ayuda aidentificar los nodos de una cadena de suministro verde que tienen que ser mejoradosmediante la adopcin de flexibilidad en los considerablemente. En el prrafo siguienteafirmamos definiciones esenciales y los antecedentes histricos de la fabricacinestructuracin flexibilidad. A continuacin, se discuten las caractersticas morfolgicas de


16/29

ms flexibilidad que deben ser analizados en detalle en el prximo captulo, basado en unenfoque de modelo y un ejemplo.

2.1 Cmo puede una cadena de suministro de ser "verde"?

La complejidad de las SC ha aumentado significativamente debido a las nuevas exigenciasy creciente y posibilidades - como la sostenibilidad, la globalizacin y el respeto al medioambiente (Rabe y Deininger 2011). En este contexto, el trmino "cadena de suministroverde" tambin se convirti en un nuevo tema de investigacin importante, que no tiene unadefinicin estandarizada todava. Por ejemplo, Godfrey (1998) define GSCS como las

prcticas de supervisin y mejorar el desempeo ambiental de la SC . Green et al. (1996)afirman que la oferta verde se refiere a la manera en que las innovaciones en la gestin deCarolina del Sur y las compras industriales se consideran en el contexto del medioambiente. Hervani et al. (2005) SGC interpretarse como la agregacin de las actividades de

SC en relacin al apoyo de la proteccin del medio ambiente. Ejemplos de estas actividadesincluyen el diseo verde, Seleccin de material verde, Seleccin de Proveedores Verdes,Produccin Green, Green Logistics, Verde Packagcin, obtener la certificacin verde yLogstica Inversa (Rabe y Deininger 2011). Rao y Holt (2005) sealan que la cuestin deverde se centra en la minimizacin o eliminacin de los slidos, la energa, las emisiones,

productos qumicos o residuos peligrosos por parte de proveedores de materiales,contratistas, contratistas de servicios, proveedores, distribuidores, y los usuarios finalesdentro de la SC. De esta multitud de campos de accin con el medio ambiente, en estetrabajo se centran en la proteccin del clima y el tipo de actividades que reducen lasemisiones de carbono y por lo tanto disminuir la energa utilizada dentro de la SC. Enconcreto, se analiza la logstica del sector, ya que sus emisiones continuaron con uncrecimiento espectacular en las ltimas dcadas (en contraste con otros sectoresdeterminantes en este tema, al igual que fabricacin y construccin) (Clausen y Hesse2008). Ms concretamente, este trabajo analiza la seccin de la SC desde el productoacabado transportada desde la planta de fabricacin hasta la tienda al por menor.

Como un mtodo para la recogida, seleccin y anlisis de los datos que influyen en laestrategia verde de un SC, hemos elegido Valoracin del Ciclo de Vida (ACV). El ACV esuna tcnica muy efectiva para estos requisitos, porque este concepto utiliza la informacinms precisa y relevante para la informacin de identificacin que puede mostrar cmo elmedio ambiente de la SC se encuentra en un punto de tiempo especfico. Adems, LCA escapaz de ayudar a definir cules son las otras opciones de la mejora GSC son. Adems, escompatible con la "Recopilacin y evaluacin de las entradas, las salidas y los posiblesimpactos ambientales de un sistema de producto a lo largo de su vida ciclo "(ISO 14000,2007), apoyndose en las bases de datos de confianza internacionales como ecoinvent oeuropeo de referencia Vida Database ciclo (Lindskog y Berglund 2011). Sin embargo,tenemos que entender que la LCA cubre principalmente el ciclo de vida del producto,


17/29

mientras que restringimos nuestro estudio a una fase claramente limitado de la distribucindel producto. Por lo tanto, tenemos que respetar esta restriccin en nuestro enfoque.

2.2 Flexibilidad

La flexibilidad es uno de los requisitos ms importantes de las SC modernos, ya que facilitala respuesta a retos como la globalizacin, los cambios tecnolgicos, las innovaciones y lacontinua incertidumbre econmica incertidumbre con poca pena el tiempo, esfuerzo, costeo rendimiento (Zhang et al, 2002a;. 2002b, 2006). Con flexibilidad, SC pueden lograr unagran ventaja competitiva y asegurar su supervivencia en este siempre cambiantemundo. Adems, tambin se necesita esta capacidad para satisfacer la demanda de losclientes con el medio ambiente, cuyo nmero es cada vez mayor (Straube y Doch 2011).

El concepto de flexibilidad se ha introducido por primera vez en la obra de Lavington(1921), quien seala una conexin entre la variabilidad y el valor de la flexibilidad de tomar

el "riesgo derivado de la inmovilidad de invertidos recursos en consideracin". Despus deeso, tres puntos de vista funcionales de flexibilidad han sido evolucionados. El primero esel econmico que se basa en la investigacin de Stigler (1939), que define flexibilidadcomo la capacidad de una empresa de un solo producto para tomar decisiones de salida a uncosto relativamente bajo, cuando exgena-shocks indgenas estn impactando en laorganizacin. En la perspectiva de fabricacin aos 1980 y aos 1990 se pone de relieve,mientras que los marcos conceptuales, modelos y medidas de flexibilidad de fabricacinson desarrollados (Bertrand 2003; Wadhwa y Rao 2003). En los ltimos 10 a 15 aos lasorganizaciones y SCS tambin entran en el centro de estudios acadmicos (Koste yMalhotra 1999). Desde esta perspectiva, la flexibilidad es la capacidad de la empresa para

sufrir cambios limitados y sin desorganizacin grave (Sethi y Sethi 1990, Zhang etal. 2002b; Zhang et al. 2009). Las herramientas de este tipo de flexibilidad no tecnolgicason, por ejemplo, de centralizacin, divisionalizacin y gestin de proyectos,enriquecimiento del trabajo o la ampliacin conceptos, gestin de las capacidades SC oestrategias empresariales (Awwad y Almahamid 2008; Nio 1972).

Haciendo referencia a la literatura, cuatro dimensiones de la flexibilidad se clasifican (Da1994; Zhang et al. 2002b): la flexibilidad de desarrollo de productos, flexibilidad defabricacin, flexibilidad logstica, y flexibilidad de expancion. Flexibilidad en el desarrollodel producto, la capacidad para introducir rpida y eficazmente nuevos productos y

productos existentes de actualizacin de responder a las demandas de los clientes para eldiseo (Sethi y Sethi1990). Flexibilidad de fabricacin se desarrolla cuando los recursos defabricacin son adecuadas y gestionadas y en paralelo, se tienen en cuenta (Zhang et al.2003) diferentes demandas de los clientes.

En el enfoque de flexibilidad logstica son las necesidades cambiantes de la entrega, ayuday servicio, que la organizacin tiene que tratar de una manera eficaz y rpida (Perry 1991;


18/29

Davis 1993; Da 1994; Bowersox y Closs 1996; Zhang et al. 2002b; Zhang et al. 2005). Almenos, la flexibilidad de expansin est presente en la vida de una empresa cuando lasconexiones horizontales de informacin dentro de la SC se crean y se aseguran (Da 1994).

Ciertamente, estas dimensiones son tpicas de las SC tambin, debido a las interrelaciones

que existen entre comparsas y organizaciones.

Los diferentes horizontes temporales tambin son relevantes mencionar, ya que puedeninfluir en la decisin de MAKING estrategia y por lo que la flexibilidad de un SC. Hay treshorizontes que podemos distinguir. Operacional flexibilidad (a corto plazo) corresponde auna funcin de los procedimientos que permiten una gran variedad de respuestas a la peralas variables tradicionales (por ejemplo, la secuenciacin, programacin). La flexibilidadtctica (mediano plazo) para las fbricas se refiere a acciones que se llevan a cabo antes deque la planta se construye y se determina la estructura organizativa (Carlsson 1989; Upton1994). Este horizonte muestra rutinas tecnolgicas y organizativas que corresponden a la

forma para hacer frente a los cambios cuantitativos y cualitativos que considera la produccin y la mezcla de productos en el transcurso de un ciclo econmico, etc (Araujo y primavera 2002). Para castas, esto significa que la flexibilidad tctica cubre decisioneshechas antes de decidir la configuracin fsica de la red. Por ltimo, la flexibilidadestratgica (a largo plazo) determina cmo la empresa o SC se est posicionando conrespecto a los futuros retos y oportunidades (Carlsson 1989; Upton 1994).

Los niveles jerrquicos de la flexibilidad son los siguientes: taller de flexibilidad nivel delsuelo (producto, volumen, routing), llamado nivel bsico flexibilidad, planta o empresa (laentrega, el transbordo, el aplazamiento), que significa flexibilidad del sistema y el nivel

agregado (abastecimiento, la respuesta, el acceso, el lanzamiento), que concluye lasrelaciones cliente-proveedor en un SC (Snchez y Prez Prez 2005). A SC es flexible enforma global nivel, si puede reaccionar a los cambios y nuevos retos y lograr resultadosadecuados como un todo, y no en los participantes individuales del SC.

Suarez (1991) seala que existen factores internos y externos que influyen en laflexibilidad.

Entre los factores internos de un SC se encuentran aquellos que estan al menos en principio bajo el control de la organizacin (por ejemplo, la inversin en camiones ms rpidos parael transporte). Factores externos, en contraste son indent del SC especfica y los

participantes de la SC no puede influir sobre ellos, pero es necesario para adaptar su SC(por ejemplo, las normas ambientales, los cambios macro-econmicos, el comportamientode los competidores, etc.)

Las categoras de flexibilidad descritas anteriormente se resumen en la Figura 1. En el prximo captulo se va a introducir y analizar un mtodo que puede ayudar a aumentar laflexibilidad de GSCS, teniendo en cuenta la perspectiva, la dimensin logstica (en un


19/29

fsico y una manera lgica) y el aspecto tctico a nivel agregado de esta capacidad, enrelacin con los factores influyentes internos y externos, como est marcado en colornaranjo en la fig. 1.

3 SIMULACION PARA LAS CADENAS DE SUMINISTRO

Una encuesta de terzi y Cavalieri (2004) muestra que hay diferentes maneras de aplicar lasimulacin en el contexto de la cadena de suministro. Una forma es utilizar la simulacin

para el diseo de la cadena de suministro. Otra forma podra ser la de apoyar la operacinde la cadena de suministro. En el diseo de la cadena de suministro, la simulacin puede,

por ejemplo, apoyar las decisiones en la rampa en marcha o apagar de lugares (diseo msgeneral llamada red), de la capacidad de produccin y sitios de depsito, en la evaluacingeneral de las opciones de transporte (por ejemplo, diferentes modos transportacin talescomo el transporte por barco, en tren o en camin), o en la asignacin de productos a sitios.En el diseo de la cadena de suministro y la cadena de suministro de la operacin diaria de

simulacin puede ayudar a ajustar los parmetros de control como la cadena de suministrosde seguridad en el futuro cercano (es decir, en las prximas horas o das).


20/29

Los proyectos de simulacin de la cadena de suministro a menudo forman parte de unainiciativa estratgica para una empresa o por lo menos de una unidad de negocio de lacompaa. Por lo tanto, tambin los objetivos son ms bien estratgicos, como el anlisis de

la existencia de estructuras de la cadena de suministro, la identificacin de cuellos de botella y los puntos dbiles de la estructura de la cadena de suministro , la mejora de lacomprensin de los conductores de costos para costos de stock y el transporte, y la mejorade entender los tiempos y causas de accin hacia fuera (Schulz y Spieckermann 2008) de

plomo.

En muchos casos de simulacin de la cadena de suministro que resulta ser doloroso ycostoso para generar un conjunto de datos vlidos se necesita modelo de todas lasoperaciones de la cadena de suministro, no slo informacin acerca de la red, sino tambinen pedidos, listas de materiales, normas de orden y control de la produccin, etc (Chang y

Makatsoris 2001). Este es un desafo incluso crecer con la consideracin de los aspectos"verdes" en las cadenas de suministro.

En el contexto de este trabajo, es necesario sealar que en el contexto de las cadenas desuministro del trmino simulacin no en muchos casos se refiere a la simulacin de eventosdiscretos (DES) (Kleijnen 2005). Sin embargo, con respecto a la aplicacin de DES para lascadenas de suministro es bastante comn el uso de simulacin comercial herramientas o

bien queridos independientes o para conectar la simulacin con el software con


21/29

caractersticas avanzadas de planificacin (APS software) o ERP (Enterprise ResourcePlanning) Sistemas (Banks et al. 2002). A modo de ejemplo, la Figura 3 es una captura de

pantalla de un modelo de simulacin creado con el conjunto de herramientas de ICON-SimChain, una combinacin de un comercial DES simulacin (PlantSimulation), y elcontrol de la cadena de suministro y el software de operacin icono de medio ambiente(Alicke y Gutenschwager 2003). Este conjunto de herramientas se explicar en lassiguientes secciones como teln de fondo de los autores que pueden ser enriquecidos parala simulacin de GSCS.

El conjunto de herramientas de ICON-SimChain consta de tres partes principales: unainterfaz grfica de usuario que se utiliza para el modelo configuracin, una base de datos enla que todos los datos de configuracin y resultados de simulacin se almacenan y un DESSuministro marco de simulacin de la cadena basada en Plant Simulation. En ICON-SimChain, todos los elementos del modelo se crean automticamente a partir de una

biblioteca de plantillas implementado en PlantSimulation. Esta biblioteca como un conjuntode plantillas representa bloques predefinidos listos para usar en los experimentos desimulacin. A temperatura especfica combinacin de placa se utiliza para crear instanciasde un escenario de simulacin especfica con el objetivo de apoyar la decisinSC. Ejemplos de plantillas dentro de ICON-SimChain son "Depot (Sitio)", que se utiliza

para la empresa modelo lugares (sitios) y sus relaciones de transporte a otros sitios o la plantilla "Ruta de Transporte", que es utilizado para transportes modelo entre laslocalidades. Como se describi anteriormente, las reglas de decisin operacionales puedenespecializar en el marco del medio ambiente ICONO.

El modelo de datos de ICON-SimChain es bastante extenso. Por lo tanto, esta seccinofrece una visin general de las partes ms importantes del modelo de datos, slo. Parasimular los datos de la cadena de suministro de los lugares considerados, SKU (Stockmantener unidades), las relaciones de transporte entre lugares (es decir, el flujo demateriales) y la informacin son necesarios flujo. Los cuadros bsicos del modelo de datoscontienen datos que describen lugares (produccin sitios, hubs y clientes), calendarios,SKU y BOM (lista de materiales), los transportistas y medios de transporte, demora lainformacin, los errores de previsin, las relaciones de transporte y abastecimiento(secuencia de las relaciones de transporte).

Finalmente un escenario se define por un conjunto de configuraciones (vase la Figura 3).


22/29

4 UTILIZACIN DE LA SIMULACIN PARA ENFRENTARREQUISITOS DE FLEXIBILIDAD

En este trabajo se discuten solamente eventos discretos de simulacion(DES), ya que es unmtodo eficiente para analizar sistemas variantes en el tiempo en que se producen loscambios en puntos discretos en el tiempo. DES es tambin apropiado para analizar

poderosos "qu pasara si" los escenarios, lo que significa que permite la comparacin dediversas operaciones de alternativas sin cambiar el sistema real (Chang und Makatsoris2001) y eso es exactamente lo que es necesaria en la bsqueda de las SC verdes msflexibles, especialmente en la planificacin operacional y tctica nivel (Hellstrm yJohnsson 2005).

El principal aspecto del trmino flexibilidad es la capacidad de reaccionar a los cambioscomo se ha sealado en las secciones anteriores. Para apoyar la flexibilidad en las SC existela necesidad de tener diferentes "ser" modelos en cuenta donde cada "ser" modelorepresenta un escenario alternativo con respecto a las influencias externas en el SC, lo quefacilita la cadena de suministro, planificacin tambin. Para mejorar las solucionesexistentes, como la que se describe en la Seccin 3, se requiere un modelado ms genricoy sistemtica y enfoque de recopilacin de datos. La principal salida de este enfoque se

presenta a continuacin.


23/29

4.1 El enfoque del modelo general

El alcance SC, definida por sus entidades y sus relaciones generales, se describen lascategoras y potenciales fuentes de datos que pueden ser utilizados para el anlisis (Fig.4). Estos datos, a partir de la propia SC, as como el entorno que est influyendo en la SC,

se renen en una arquitectura estructurada, lo que llamamos "Data mart". El mercado dedatos puede ser descrito como una vista comn de datos de la empresa en la que el fsicoalmacenamiento es un almacn de datos subyacente (Parimala y Pahwa 2006). El mercadode datos contiene multiformes datos de unidades organizativas, representados por unadiversidad de tipos de datos relacionados con diferentes fuentes en varios formatos. El

beneficio de esta arquitectura son la legibilidad de datos, con el apoyo de conocimiento dela empresa y la desatencin de lmites entre la gestin de datos y la transferencia de datos(Liu 1999). Por ejemplo, habr sensor de los datos que se recogen de forma automtica porlos sistemas de identificacin por radiofrecuencia (RFID) o importaciones de datos a partirde una base de datos de legado. Adems, los flujos de trabajo de la lgica de negocio se

pueden almacenar con respecto a LCA. El mercado de datos se divide en dos partesconceptuales. La primera de ellas representa los factores externos que no se puedeninfluenciar por los participantes de la SC. El segundo incluye los factores internos como ladescripcin de la red actual. Ambas partes juntas estn formando la fuente de datos para losexperimentos de simulacin.

El elemento de diseo principal del enfoque de simulacin es una biblioteca de plantillasque soporta el experimento configuracin. Los resultados de los experimentos desimulacin que forman la evaluacin flexibilidad se reflejarn de vuelta para el modelo.

4.2 Data Mart

El mercado de datos se divide en la zona de los factores internos y la zona de los factoresexternos. El factor interno se basan en la propia SC. Se hace una distincin entre dos puntosde vista bsicos SC. El primero, llamado la red fsica, se compone de entidades quedescriben la estructura fsica y su geogrfica transportar las relaciones. Los principaleselementos de la red fsica son nodos (por ejemplo, una fbrica) y relaciones (Por ejemplo,

va de transporte). La segunda visin se describe las reglas tambin llamadas polticas queilustran el negocio lgica (Hicks 1999). La lgica de negocio define cmo los productos semueven a travs de la cadena de suministro en el marco de limitaciones establecidas por lared fsica, as como otras limitaciones como las relaciones entre los productos. Como unejemplo, supongamos una red fsica con un almacenamiento intermedio entre la fbrica y latienda al por menor. Una lgica de negocio relacionado podra especificar que bajocondiciones regulares todos los productos pasan por el almacenamiento intermedio con elfin de optimizar las cargas de camiones, sino un producto es transportado directamente de


24/29

la planta a la tienda si el inventario del minorista es cero. La tercera componente de la parteinterna de la empresa son los indicadores clave de rendimiento (KPI). El principiosubyacente es para enriquecer los datos estadsticos de los datos fiables y reales recogidos

por los sistemas de vigilancia de la compaa. La suposicin en este caso sera que es msrealista y por lo tanto precisa de utilizar por ejemplo, el consumo de los vehculos utilizados

en realidad que tomar valores medios estadsticos, siendo posiblemente independiente deltipo de vehculo especifico.

La contrapartida de los datos internos es la base de datos de los factores externos. Estosdatos se divide en diferentes subclases con respecto a su funcin. En nuestro enfoque seutilizan tres subclases. El primero uno describiendo los factores externos SC tradicionalescomo la demanda del cliente. El segundo, relacionado con el trmino "verde" descrito en elSC, es decir, se refiere a datos ambientales. Estos datos se almacenan en la empresa pblicao de datos bases y es que contiene informacin acerca de los KPI globales, como el CO2 las


25/29

emisiones de transporte especfica modos. La ltima parte representa factores msinfluyentes que pueden causar un cambio en el comportamiento de la SC. Hoy en da la

poltica y los medios de comunicacin son un ejemplo importante. Una decisin poltica,como los honorarios de los ferrocarriles en un pas pueden tener un efecto sobre pathestransporte SC. Un ejemplo del poder de influencia de los medios de comunicacin podraser la publicidad de la nueva ley de Francia, l lamado "Grenelle I" (junio de 2010), quedeclara quea partir de julio de 2011, la etiqueta de la huella de carbono de los productos esobligatorio y no voluntario. Es probable que la discusin de esta ley en los medios decomunicacin en el extranjero aumentar el inters de los consumidores en otros pases conrespecto a este tema y llevarlos a buscar este tipo de productos, lo que puede resultar en una

presin sobre empresas nacionales que demuestren su respeto del medio ambiente.

4.3 Enfoque de simulacin para Cadenas de Suministro

Hay dos tipos de clases de informacin - internos y externos - que influyen en el nivel deSC flexibilidad como se demuestra en la seccin anterior. Basado en estas partesconceptuales hay varios escenarios con diferentes aspectos clave. El primer aspecto clavees la externa, como una empresa le gusta saber que factores externos impacto tendrn sobresu cadena de suministro (actual o futuro). El segundo aspecto importante se refiere a lasopciones de diseo que la empresa considere de su cadena de suministro. El espacio deinvestigacin resultante es el CrossProduct(cruce del producto) de ambos conjuntos deescenarios, lo que permite la bsqueda de la SC futuro que puede enfrentar el los factoresexternos del futuro con la flexibilidad ms adecuada con KPIs econmicos y ambientales

aceptables.

Los factores internos sern la base de conocimientos para los escenarios de diseoSC. Como un ejemplo para un SC red fsica, podemos imaginar para aadir un nodoadicional, por ejemplo, representa un almacn, a la existente red en su potencial ubicacingeogrfica. Un experimento de simulacin se evaluar el "ser" SC virtud de la limitacindada de la red fsica y, como resultado apoya la decisin acerca de los cambios en la redlgica. Mediante la adicin de las polticas para los parmetros del escenario ganamos lacapacidad de evaluar distintos conjuntos de reglas. Los resultados generados de esta manerase pueden utilizar para seleccionar el mejor conjunto de reglas para diferentes tareas (Hicks

1999). El mtodo de cmo seleccionar las mejores polticas no est en el alcance de este paper.

Los factores externos que sirven como base para la ulterior entrada de simulacin. Desde el punto de vista de datos, estos factores representan los requisitos de flexibilidad externa,debido a sus valores iniciales, los cambios y las fluctuaciones ser una medida de la


26/29

flexibilidad SC. La flexibilidad de la SC determinar si el SC puede reaccionar de unamanera eficaz y con xito o si se producen efectos indeseables.

Como ya se ha implementado para ICON-SimChain (cf. captulo 3), los experimentos desimulacin pueden ser automticamente deducidas de un escenario SC, basado en libreras

de plantillas. El mbito de aplicacin de la biblioteca de plantillas es limitado por el alcancede la SC - por ejemplo, no hay necesidad de disear una plantilla para una estacin demontaje si esto no es parte del alcance modelo SC.

Los resultados de las series experimento actan como evaluacin flexibilidad. Un uso posible de este resultado es estudiar cmo lo flexible de un sistema dado se comportar enrelacin a los factores externos. El segundo uso de estos resultados est actuando como

base de conocimientos para la mejora de la CE en relacin con los aspectos verdes,llevando por ejemplo, para el rediseo de la red fsica o el diseo y remodelacin de las

polticas en el nivel de red lgica.

4.4 Flexibilidad Ejemplo

Con el fin de obtener una impresin prctica del enfoque de flexibilidad, se da unailustracin de un ejemplo lo que explica el problema discutido de factores externos conrespecto al alcance de reduccin de CO2 y su beneficio prctico para la flexibilidad deSC. El escenario se formula como "Cmo debo disear mi SC con el fin de ser menosvulnerable a una huelga nacional? El diseo de la SC se relaciona con ambos puntos devista - la fsica red y la lgica de negocio. Suponemos que un conjunto de polticas sedescriben las opciones de negocio para intermediar en el almacenamiento de mercancas. Elconjunto de todas las opciones posibles est dada por la red del SC acta como restriccin

para el escenario de simulacin. Por otra parte, las polticas pueden contener informacinadicional en la forma de conocimiento complementario. En nuestro ejemplo se incluyen los

bienes que son probablemente los ms "importantes" productos para la prxima semana. Ladefinicin de "ms importante" depende del contexto SC - podemos imaginar que es el

producto principal de una nueva campaa de marketing, el producto con la mayorrecompensa financiera o simplemente un factor exterior - la demanda de los clientes de un

producto, lo que conduce a un requisito como "un retraso de la mercanca no es

aceptable". La plantilla especfica de la aplicacin de simulacin es la base para lasimulacin diferente "a ser" escenarios (por ejemplo, utilizando y lugar) y teniendo en cuenta el conocimiento del negocio.. Losdiferentes KPIs emisiones resultantes permiten elegir la alternativa opcin dealmacenamiento con la menor cantidad de emisiones de CO2. Esto aumenta la flexibilidadde la SGC porque si uno de los almacenamientos no se encuentra disponible, la simulacin

proporciona los indicadores clave de rendimiento como apoyo a la decisin para elegir la


27/29

siguiente almacenamiento alternativo con bajas emisiones de CO2. Por lo tanto, la empresaes capaz de reaccionar con mayor flexibilidad a las distracciones externas en su SGC.

Mientras que esta muestra para fines ilustrativos slo considera un factor externo, laflexibilidad de los la SC tendr que ser medido con respecto a su capacidad para reaccionar

a un gran conjunto de posibles fluctuaciones.

Aqu, la nocin de riesgo entra en discusin, como desviaciones de la conducta SC estndar pueden ser mejor aceptado si el riesgo para este desarrollo externo es bajo. Un mtodo parael clculo de indicadores clave de rendimiento global de flexibilidad teniendo en cuenta laevaluacin del riesgo no se considera en este trabajo, pero parece que hay una interesanteinvestigacin campo con el fin de juzgar sustancialmente la flexibilidad SC basado enexperimentos de simulacin. campo de bsqueda con el fin de juzgar sustancialmente laflexibilidad SC basado en experimentos de simulacin.

5 CONCLUSIN

En este trabajo hemos analizado la flexibilidad especial desde la perspectiva organizativa,la dimensin logistica y el aspecto tctico a nivel agregado. Adems, las caractersticas deflexibilidad que introducen en el contexto de "verde" de la reduccin de CO2. El enfoqueha sealado que la flexibilidad de GSCS puede ser analizada por una combinacinadecuada de representacin de datos, simulacin y mecanismos de apoyo.

Como siempre, la medicin es la base para la mejora, y por lo tanto el anlisis de

flexibilidad es de partida apuntar a optimizar GSCS para la mayora reaccionar conflexibilidad a la influencia externa. Hemos mostrado una lista de que es necesario que lasentidades construyan el modelo. Estas entidades son principalmente un mercado de datosconceptualmente dividido en partes en las que los requisitos de flexibilidad y escenarios dediseo se pueden derivar de simulacin y un marco de trabajo que utiliza plantillas pararealizar la evaluacin flexibilidad. Para abordar el concepto de mercado de datos, que sirvetanto como almacenamiento colaboracin y organizacin de los datos que proponemos una

plataforma de colaboracin. Ser compatible con los requisitos de arquitectura de unamanera que ontologas, interfaces o diferentes capas de datos pueden ser integrados.

Los primeros pasos para hacer realidad este enfoque de plataforma se toman en un proyectoeuropeo en ejecucin (FP7-ICT-288585, iniciada 01.01.2012), llama a la eficienciaenergtica en la cadena de suministro a travs de Colaboracin, Decision Support avanzaday Deteccin Automtica (e-SAVE). El objetivo de esta iniciativa es apoyar el diseo y elfuncionamiento de comits permanentes de eficiencia energtica en el sector de bienes deconsumo. Se entregar el sistema, servicios, plataforma de colaboracin y herramientas degestin que permitan a las empresas controlar, gestionar y compartir el uso de energa y de


28/29

datos de la huella de carbono. La explotacin de esta plataforma operativa, as como tomade decisiones estratgicas y las decisiones de diseo SC puede ser admitido. En estecontexto, los autores llevaran a cabo ms investigacin para aplicar los principios deflexibilidad en el estudio GSC como se presenta en este documento en un entorno desimulacin que coopera con una plataforma de colaboracin.

BIOGRAFAS DE AUTOR

MARKUS RABE es profesor titular de IT en la produccin y la logstica en la UniversidadTcnica Dort-mund. Hasta 2010 haba estado con Fraunhofer IPK en Berln al frente de lalogstica empresarial y profesor de departamento de procesos, jefe del departamento centralde TI y miembro del crculo de direccin de instituto. Su bsqueda se centra en los sistemasde informacin para las cadenas de suministro, planificacin de la produccin y la

simulacin. Markus Rabe es vicepresidente de la "Simulacin de la Produccin yLogstica" grupo de la simulacin de la sociedad ASIM, miembro del consejo de redaccinde la Revista de la simulacin, miembro del programa de la conferencia varios comits, ha

presidido la conferencia SPL ASIM en 1998, 2000, 2004 y 2008, y es presidente local de laWSC'2012 en Berln. Ms de 150 publicaciones y ediciones informan de su trabajo. Sudireccin de correo electrnico es markus.rabe @ tu-dortmund.de.

SVEN Spieckermann es consejero delegado de SimPlan AG, Maintal, Alemania,trabajando principalmente como consultor senior y gerente de proyectos en proyectos desimulacin para varias industrias. Desde 1992, ha participado en ms de 200 proyectos de

simulacin. Adems, ha estado dando conferencias en simulacin de la UniversidadTcnica de Braunschweig desde 1995 y en la Universidad Tcnica de Darm-stadt desde2008. Ha publicado varios artculos sobre la simulacin, la optimizacin basada en lasimulacin y la relacin de temas ed. Su direccin de correo electrnicoes sven.spieckermann @ simplan.de.

ADRIENN HORVATH es desde 2011 un asistente de investigacin en la UniversidadTcnica de Dortmund, en IT Produktion y Logistik. Estudi y Direccin de Empresas en laUniversidad de Budapest de tecnologa y economa y se gradu con una tesis sobre elapoyo a la innovacin de mecanismos. Su enfoque de la investigacin es favorable al medio

ambiente las cadenas de suministro. Su direccin de correo electrnico es adrienn.horvarth@ tu-dortmund.de.

HASTA FECHTELER es gerente de la sucursal en SimPlan AG, Braunschweig,Alemania, trabajando principalmente como consultor senior y gerente de proyectos en

proyectos de simulacin. Desde 1997, ha participado en ms de 100 proyectos desimulacin para varias industrias. Su direccin de correo electrnico es till.fechteler @simplan.de.


29/29

INTERPRETACIN

El paper se enfoca las posibles soluciones al problema del continuo crecimiento deemisiones de CO2 y el consumo de energa ya que es una de las principales causas de gasesde efecto invernadero y en consecuencia del cambio climtico.

Se muestran mtodos de simulacin que sirven para aumentar la flexibilidad, ya que esta esla que da capacidad a los suministros de cadenas de reaccionar a los cambios (cambiostecnolgicos, poltica y la incertidumbre de un constante cambio de la economa) .

Para entender bien de lo que se habla, se definen los conceptos principales: cadena desuministro verde y flexibilidad.

Las definiciones de cadena de suministro fueron evolucionando durante el tiempo, por loque an no tiene una definicin estandarizada todava, la primera de ellas fue como las

prcticas de supervisin y mejora al desempeo ambiental de las cadenas de suministro.

A lo largo del tiempo se han realizado distintas actividades en relacin al apoyo de la proteccin del medio ambiente, en las cuales se seala que la cuestin verde se centra enla minimizacin o eliminacin de slidos, la energa, las emisiones, productos qumicos oresiduos peligrosos por parte de los proveedores de materiales. Todo esto es parafinalmente centrarse en la proteccin del clima y el tipo de actividades que reducen lasemisiones de carbono y por lo tanto disminuir la energa utilizada dentro de los suministrosde cadenas. Para el anlisis de los datos se ha elegido la valoracin del ciclo de vida(ACV), la cual es una tcnica muy efectiva ya que utiliza informacin precisa y relevantede como el medio ambiente de los suministro de cadenas se encuentra en un punto detiempo especfico, entre otras caractersticas.

Mientras que la flexibilidad es uno de los requisitos ms importantes de las SC modernos,ya que facilita la respuesta a retos de cambios como se mencion anteriormente. Existenfactores internos y externos que influyen en la flexibilidad. Los factores internos los que almenos en un principio estn bajo el control de la organizacin (ejemplo: inversin encamiones ms rpidos para el transporte). Los externos son lo contrario, en los cuales los

participantes de la SC no pueden influir sobre ellos (ejemplo: normas ambientales).

Los proyectos de simulacin de cadenas de suministro a menudo forman parte de una

iniciativa estratgica para una empresa o por lo menos de una unidad de negocio de lacompaa, por lo tanto los objetivos son estratgicos.

actas de la conferencia de simulación de invierno 2012

Documents