Wykorzystanie symulacji komputerowej do analizy odporności sieci logistycznych

Feliks, J.; Karkula, M.; Majewska, K.

Artykuł - szczegóły

Tytuł artykułu

Wykorzystanie symulacji komputerowej do analizy odporności sieci logistycznych

Autorzy

Feliks J. , Karkula M. , Majewska K.

Wybrane pełne teksty z tego czasopisma

http://pnpw-transport.publisherspanel.com/resources/html/cms/MAINPAGE

Identyfikatory

Warianty tytułu

The use of computer simulation for analysing the logistics networks resilience

Języki publikacji

Abstrakty

Sieci logistyczne są skomplikowanymi systemami, złożonymi z wielu elementów połączonych ze sobą często nieliniowymi relacjami. Właściwość ta sprawia, że badanie tych systemów tradycyjnymi metodami analitycznymi napotyka wiele trudności. W związku z tym symulacja komputerowa jest cennym narzędziem w praktycznych zastosowaniach modelowania struktury sieci logistycznej, relacji między jej składnikami oraz zasadami regulującymi jej funkcjonowanie. Model symulacyjny można uruchomić w celu odtworzenia działania rzeczywistego systemu w określonym przedziale czasu i analizowania jego zachowania przy różnych założeniach. W artykule zaproponowano miary odporności dla sieci logistycznych i zaprezentowano podejście wykorzystujące różne metody symulacji komputerowej do analizy tej odporności. Proponowana koncepcja pozwala na określanie i sprawdzanie możliwości i sposobów budowania długoterminowej odporności sieci logistycznych na poważne zakłócenia. Zastosowanie modelu zilustrowano przykładem z branży hutniczej. Do implementacji wykorzystano oprogramowanie AnyLogic 8.2.

Logistic networks are complex systems, composed of many elements connected through nonlinear relations. This property makes it difficult to study these systems with traditional analytical methods. Therefore, computer simulation is a valuable tool in the practical applications of modeling the structure of the logistics network, the relationship between its components and the rules controling its functioning. The simulation model can be run in order to imitate the operation of the actual system in a given time interval and analyze its behavior under different scenarios. In the paper resilience measures for logistic networks are proposed and a multi-method approach of computer simulation for analysing their resistance is presented. The proposed concept allows determining and checking the possibilities ways of building long-term robustness of logistics networks for serious disturbances. The application of the model is illustrated by an example from the steel industry. AnyLogic 8.2 software was used for the implementation.

Słowa kluczowe

sieci logistyczne symulacje komputerowe odporność

logistics networks computer simulation resilience

Wydawca

Oficyna Wydawnicza Politechniki Warszawskiej

Czasopismo

Prace Naukowe Politechniki Warszawskiej. Transport

Rocznik

2018

Tom

z. 120

Strony

75--86

Opis fizyczny

Bibliogr. 30 poz., rys., tab., wykr.

Twórcy

autor

Feliks J.

AGH Akademia Górniczo-Hutnicza, Polska

autor

Karkula M.

AGH Akademia Górniczo-Hutnicza, Polska

autor

Majewska K.

AGH Akademia Górniczo-Hutnicza, Polska

Bibliografia

1. Almeder Ch., Preusser M., A hybrid simulation optimization approach for supply chains, Proceedings of the 6th EUROSIM Congress on Modelling and Simulation, Hrsg. B. Zupancic, R. Karba, S. Blazic, 291-291. Slovenia: ARGESIM / ASIM - Verlag.
2. Bielecka E., Systemy Informacji Geograficznej – teoria i zastosowania, Wydawnictwo PJWSTK, Warszawa 2006.
3. Blos M.F., Da Silva R.M., Miyagi P.E. (2015). Application of an Agent-based Supply Chain to Mitigate Supply Chain Disruptions. IFAC-PapersOnLine 48-3, 640–645.
4. Bukowski L.A., Feliks J., MajewskaK., Logistic system resilience modelling – a dynamic, multiagent, service engineering oriented approach, Risk, reliability and safety: innovating theory and practice, Lesley Walls, Matthew Revie, Tim Bedford. - Boca Raton ; [et al.] : CRC Press, cop. 2017, 2207–2214.
5. Bukowski, L., Feliks, J., Majewska, K.. Modelling and simulation of disruption risk in the complex logistic networks – a multimethod approach, Safety and Reliability of Complex Engineered Systems, Taylor & Francis Group, A Balkema Book, London 2015, 3911-3918.
6. Bukowski, L. Managing disruption risks in the global supply networks – a transdisciplinary approach, Proceedings of International Conference on Industrial Logistics, Croatia 2014, 101-106.
7. Bukowski, L., Feliks, J. A unified model of systems dependability and process continuity for complex supply chains, Safety and Reliability: Methodology and Applications, Taylor & Francis Group, A Balkema Book, London 2014, 2395-2403.
8. Cagliano, A.C., Rafele, C. Simulation for Logistics Performance Management: Comparing Different Approaches. In Kersten, W. / Blecker, T. / Flamig, H. (Eds.), Global Logistics Management. Sustainability, Quality, Risks. Operations and Technology Management, Volume 9. Berlin (Germany): Erich Schmidt Verlag 2008, 423-442.
9. Carson, J.S. Modeling and Simulation World Views. In Evans, G.W./ Mollaghasemi, M./Russell, E.C./ Biles, W.E. (Eds.), Proceedings of the 1993 Winter Simulation Conference.Piscataway (NJ): Institute of Electrical and Electronics Engineers, 18-23.
10. CarvalhoH., BarrosoA. P., MachadoV. H., AzevedoS., MachadoV.C., Supply Chain Redesign for Resilience using Simulation. Computers & Industrial Engineering 62 (2012) 1, 329-341.
11. Cavinato, J.L. Supply chain logistics risks, International Journal of Physical Distribution and Logistics Management (2004),34 (5), 383–87
12. M. Christopher, C. Rutherford, Creating Supply Chain Resilience through Agile Six Sigma, Critical Eye (2004), 24-28.
13. R. Duval, J. Elmeskov, L. Vogel, Structural Policies and Economic Resilience to Shocks. OEECD Economics Department Working Paper 567, 2007, http://ssrn.com/abstract=1002508(10.04.2018)
14. Feng Y., System Dynamics Modeling for Supply Chain Information Sharing. Physics Procedia. 25. 1463-1469. 10.1016/j.phpro.2012.03.263.
15. Gronalt M., Mandl Ch., Modelling interrelationships between logistics and transportation operations – A systemdynamics approach Article in Management Research Review, May 2015 DOI: 10.1108/MRR-11-2013-0271
16. Jüttner, U. Supply chain risk management, International Journal of Logistics Management (2005), 16 (1), pp 120–41
17. Kramarz W., Strategia podwykonawstwa w budowaniu odporności łańcuchów dostaw, Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska (2017), z. 101, 245-256.
18. Milgate, M. Supply chain complexity and delivery performance : an international exploratory study. Supply Chain Management: An International Journal, 2001, Vol.6 No.3, 106-118.
19. Natarajarathinam, M. et al. Managing supply chains in times of crisis: a review of literature and insights, International Journal of Physical Distribution and Logistics Management, 39(2009), 535–573.
20. Nawarecki E., Koźlak J., Agentowy model systemu logistycznego, Automatyka 2009, tom 13, Zeszyt 2.
21. Samolejova A., Lenort R., Lampa M., Sikorova A., Specifics of Metallurgical Industry for Implementation of Lean Principles, Metalurgija 51 (2012) 3, 373-376.
22. Scarborough, J. Risks during Transportation, RPW Reports, London 2007.
23. Schmitt A.J., Singh M., A Quantitative Analysis of Disruption Risk in a Multiechelon Supply Chain, International Journal of Production Economics 139 (2012) 1, 22-32.
24. Sheffi Y., Rice J., A Supply Chain View of the Resilient Enterprise, MIT Sloan 47 (2005) 1, 8-41.
25. Sheffi Y., Building a Resilient Supply Chain. Harvard Business Review. Supply Chain Strategy 1 (2005) 8, 1-4.
26. Swaminathan J., Smith S., Sadeh N., Modeling supply chain Dynamics: A multiagent approach, Decision Sciences, 29(3), 1998.
27. Waters, D. Supply chain risk management: vulnerability and resilience in logistics, Kogan Page Limited, London & Philadelphia 2007.
28. Wicher P., Staš D., Karkula M., Lenort R., Besta P., A computer simulation-based analysis of supplychains resilience in industrial environment, Metalurgija, 2015, 54(4), 703-706. ISSN 1334-2576.
29. Wilson, M.C. The impact of transportation disruptions on supply chain performance. Transportation Research Part E: Logistics and Transportation Review (2007), 43, 295–320.
30. Xu, M., Wang, X., & Zhao, L. Predicted supply chain resilience based on structural evolution against random supply disruptions. International Journal of Systems Science: Operations & Logistics (2014), 1(2), 105–117.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-2979fec4-5c13-4bd3-b7b3-9382fa4825fc