Towards exploring bullwhip effects in natural gas supply chain

Dujak, Davor; Šebalj, Dario; Koliński, Adam

doi:10.17270/J.LOG.2019.369

Artykuł - szczegóły

Tytuł artykułu

Towards exploring bullwhip effects in natural gas supply chain

Autorzy

Dujak Davor , Šebalj Dario , Koliński Adam

Wybrane pełne teksty z tego czasopisma

http://www.logforum.net/

Identyfikatory

DOI

10.17270/J.LOG.2019.369

Warianty tytułu

Wykorzystanie algorytmu heurystycznego do rozwiązania problemu synchronizacji dostaw cyklicznych do centrów przeładunkowych

Języki publikacji

Abstrakty

Background: Bullwhip (or Forrester) effect is well studied phenomenon in many supply chains where small variations in customer demand have a tendency to become larger and larger when created by upstream members of the supply chain resulting in unneeded increasing in upstream inventory. However, there is substantial deficiency of scientific research on bullwhip effect in natural gas supply chain. Due to relatively smaller number of supply chain members and huge volumes flowing through the natural gas supply chain, benefits of decreasing or even eliminating negative consequences of bullwhip effect could be enormous. This paper aims to provide more insights in reasons for the occurrence, nature and consequences of bullwhip effect by measuring and analysing it in natural gas supply chain of Republic of Croatia. Methods: After observation of orders and consumption from natural gas supplier, comparisons were made on monthly and yearly level. Well known and accepted metrics were used to calculate existence of bullwhip effect. Results: Results didn't show existence of bullwhip effect on lowest level of natural gas supply chain what is in accordance with other researches. Best solution for mitigating potential or real bullwhip effect are information sharing while working on joint demand forecast in supply chain and use of newer forecasting method. Conclusion: Expected results should contribute to better understanding of bullwhip phenomenon in natural gas supply chain, but also provide possible avoiding strategies based on building trust in supply chain and on appropriate use of information and communication technologies.

Wstęp: W pracy przedstawiono problem synchronizowania dostaw cyklicznych do centrów przeładunkowych. Dostawy realizowane są na stałych trasach: pojazd, obsługujący daną trasę ma dostarczyć towar do centrum przeładunkowego, załadować tam inny towar i przewieźć go do kolejnego punktu trasy lub wykonać pusty przejazd do punktu załadunku. Punktami synchronizacji obsługi tras są centra logistyczne, w których niejednokrotnie towar przywieziony przez jeden pojazd, wyrusza w dalszą drogę innym. Dostawy na każdej trasie realizowane są ze stałą częstotliwością. Trasy dostaw oraz ilości przewożonego towaru są znane. Celem w problemie synchronizacji dostaw cyklicznych jest maksymalizacja liczby synchronizacji przyjazdów i pobytu pojazdów w centrach logistycznych tak, aby możliwe było grupowanie ich obsługi w bloki rozładunkowo-załadunkowe. Metody: Na podstawie opracowanego wcześniej modelu matematycznego dla problemu synchronizowania dostaw cyklicznych do centrów przeładunkowych został zbudowano algorytm heurystyczny poszukujący rozwiązań poprzez ukierunkowane losowanie. W artykule przedstawiono opracowany algorytm losowego przeszukiwania. Wyniki: Eksperyment obliczeniowy polegał na rozwiązaniu zestawu zadań synchronizowania dostaw cyklicznych przy pomocy opracowanego algorytmu i porównaniu uzyskanych wyników ze znanymi rozwiązaniami dokładnymi. Wnioski: Przedstawiony algorytm heurystyczny dla zadania synchronizowania dostaw cyklicznych pozwala na uzyskanie rozwiązań zbliżonych do wyników otrzymanych przy zastosowaniu modelu programowania matematycznego. Zaletą zastosowanego algorytmu jest znaczne skrócenie czasu poszukiwania rozwiązania, co może mieć znaczenie dla praktycznego wykorzystania zaproponowanej metody.

Słowa kluczowe

natural gas bullwhip effect supply chain information distortion

harmonogramowanie dostaw cyklicznych programowanie całkowitoliczbowe mieszane optymalizacja synchronizacja algorytmy heurystyczne

Wydawca

Wyższa Szkoła Logistyki

Czasopismo

LogForum

Rocznik

2019

Tom

Vol. 15, no. 4

Strony

557--569

Opis fizyczny

Bibliogr. 39 poz., rys., wykr.

Twórcy

autor

Dujak Davor

davor.dujak@efos.hr

Josip Juraj Strossmayer University of Osijek, Faculty of Economics in Osijek, Ljudevit Gaj Square 7, 31000 Osijek, Croatia

autor

Šebalj Dario

dario.sebalj@efos.hr

Josip Juraj Strossmayer University of Osijek, Faculty of Economics in Osijek, Ljudevit Gaj Square 7, 31000 Osijek, Croatia

autor

Koliński Adam

adam.kolinski@wsl.com.pl

Poznań School of Logistics, Department of controlling and information systems, Estkowskiego 6, 61-755 Poznań, Poland

Bibliografia

1. Anderson Jr E.G., Fine C.H., Parker G.G., 2000. Upstream volatility in the supply chain: The machine tool industry as a case study. Production and Operations Management, 9(3), 239-261. http://doi.org/10.1111/j.1937-5956.2000.tb00136.x.
2. Balasubramanian S., Whitman L., Ramachandran K., Sheelavant R., 2001. Causes and remedies of bullwhip effect in supply chain. In 10th Annual Industrial Engineering Research Conference, Dallas, TX, May.
3. Binlootah A., Sundarakani B., 2012. Vendor Managed Inventory Application in Oil and Gas Industry. In International Conference on Industrial Engineering and Operations Management. Istanbul, Turkey.
4. Blanchard O.J., 1983. The production and inventory behavior of the American automobile industry. Journal of Political Economy, 91(3), 365-400, http://doi.org/10.1086/261154.
5. Bray R.L., Mendelson H., 2012. Information transmission and the bullwhip effect: An empirical investigation. Management Science, 58(5), 860-875, http://doi.org/10.1287/mnsc.1110.1467.
6. Cachon G.P., Randall T., Schmidt G.M., 2007. In search of the bullwhip effect. Manufacturing & Service Operations Management, 9(4), 457-479, http://doi.org/10.1287/msom.1060.0149.
7. Cannella S., Barbosa-Póvoa A.P., Framinan J.M., Relvas S., 2013. Metrics for bullwhip effect analysis. Journal of the Operational Research Society, 64(1), 1-16, http://doi.org/10.1057/jors.2011.139.
8. Centeno M.A., Pérez J.E., 2008. Quantifying the Bullwhip Effect in the Supply Chain of small-sized companies. In Sixth LACCEI International Latin American and Caribbean Conference for Engineering and Technology (LACCEI'2008).
9. Chen L., Lee H.L., 2012. Bullwhip effect measurement and its implications. Operations Research, 60(4), 771-784, http://doi.org/10.1287/opre.1120.1074.
10. Chima C.M., 2007 Supply-chain management issues in the oil and gas industry. Journal of Business & Economics Research (JBER), 5(6), http://doi.org/10.19030/jber.v5i6.2552.
11. Chopra S., Meindl M., 2016. Supply Chain Management: Strategy, Planning, And Operation, 6th Edition. Global Edition. Pearson.
12. Domanski R., Hadas L., Cyplik P., Fertsch M., 2009. Analysis of the Forrester effect (bullwhip effect) in the distribution network - conclusions from the "beer game" simulation, Logforum, 5(2), 1-12.
13. Energy in Croatia, 2016. Energy in Croatia 2015: Annual energy report. [Online]. Ministry of Environment and Energy. [6/8/ 2018]. Available: http://www.eihp.hr/wpcontent/ uploads/2016/12/Energija2015.pdf.
14. Fernández M.B., La Rotta E.C.G., Cosenz F., Rezonzew I.D., 2018. Supporting the Natural Gas Supply Chain Public Policies Through Simulation Methods: A Dynamic Performance Management Approach. In Workshop on Engineering Applications (363-376). Springer, Cham, http://doi.org/10.1007/978-3-030-00350-0_31.
15. Forrester J.W., 2013. Industrial Dynamics/Jay Wright Forrester. Martino Fine Books.
16. Fransoo J.C., Wouters M.J., 2000. Measuring the bullwhip effect in the supply chain. Supply Chain Management: An International Journal, 5(2), 78-89, http://doi.org/10.1108/13598540010319993.
17. Fu D., Ionescu C., Aghezzaf E.H., De Keyser R., 2015. Quantifying and mitigating the bullwhip effect in a benchmark supply chain system by an extended prediction self-adaptive control ordering policy. Computers & Industrial Engineering, 81, 46-57, http://doi.org/10.1016/j.cie.2014.12.024.
18. Hammond J., 1994. Barilla SpA (A), Harvard Business School Case 694-046.
19. HEP Plin 2018. Buyers-Kupci. [Online]. [6/8/2018]. Available: http://www.hep.hr/plin/kupci/24.
20. HERA, 2017. Annual report for year 2016. [Online]. Croatian Energy Regulatory Agency. [6/8/2018]. Available: https://www.hera.hr/hr/docs/HERA_izvjesce_2016.pdf.
21. Holt C.C., Modigliani F., Shelton J.P., 1968. The transmission of demand fluctuations through a distribution and production system, the TV-set industry. The Canadian Journal of Economics/Revue canadienne d'Economique, 1(4), 718-739, http://doi.org/10.2307/133702.
22. International Energy Agency, 2018, Natural gas https://www.iea.org/topics/naturalgas/.
23. Jacoby D., 2012. Optimal Supply Chain Management in Oil, Gas, and Power Generation. PennWell Corporation.
24. Lee H.L., Padmanabhan V., Whang S., 1997. Information distortion in a supply chain: The bullwhip effect. Management science, 43(4), 546-558, http://doi.org/10.1287/mnsc.43.4.546.
25. Mack R.P., 1953. The Process of Capital Formation in Inventories and the Vertical Propagation of Business Cycles. The Review of Economics and Statistics 35(3), 181-198, http://doi.org/10.2307/1925916.
26. Miron J.A., Zeldes S.P., 1988. Seasonality, cost shocks, and the production smoothing model of inventories. Econometrica: Journal of the Econometric Society, 877-908, http://doi.org/10.2307/1912703.
27. Natural Gas Act, Official Gazette No. 18/18.
28. Parra-Pena J., Mula J., Campuzano-Bolarín F., 2012. A formulation for measuring the bullwhip effect with spreadsheets. Dirección y Organización, (48), 29-33.
29. Pilevari N., Hasanzade M., Shahriari M., 2014. A hybrid fuzzy multiple attribute decision making approach for identification and ranking influencing factors on Bullwhip Effect in supply chain: real case of Steel industry. International Journal of Industrial Mathematics, 8(1), 49-63, http://doi.org/10.5267/j.uscm.2013.10.004.
30. Sari K., Tanyas M., Gungor C., 2004. Literature survey on bullwhip effect, 4th International Logistics and Supply Chain Congress, December 2-3, Izmir, Turkey.
31. Šebalj D., Mesarić J., Dujak D., 2018. Analysis of natural gas trading system in Croatia: A preliminary research, Proceedings of the 32nd International Business Information Management Association Conference (IBIMA), Soliman, K. S. (Ed.), Seville, Spain: International Business Information Management Association (IBIMA), 1524-1535.
32. Šebalj D., Mesarić J., Dujak D., 2019. Analysis of Methods and Techniques for Prediction of Natural Gas Consumption: A Literature Review. Journal of Information and Organizational Sciences, 43(1), 99-117, http://doi.org/10.31341/jios.43.1.6.
33. Shan J., Yang S., Yang S., Zhang J., 2014, An empirical study of the bullwhip effect in China. Production and Operations Management, 23(4), 537-551, http://doi.org/10.31341/jios.43.1.6.
34. Sterman J.D., 1992. Teaching takes off; Flight simulators for management Education "The Beer Game". OR/MS Today, 35(3), 40-44.
35. Strelec V., 2014. Plinarski priručnik - Gas Manual, Energetika marketing, Zagreb.
36. Terwiesch C., Ren Z.J., Ho T.H., Cohen M.A., 2005. An empirical analysis of forecast sharing in the semiconductor equipment supply chain. Management science, 51(2), 208-220, http://doi.org/10.1287/mnsc.1040.0317.
37. Tomasgard A., Rømo F., Fodstad M., Midthun K., 2007. Optimization models for the natural gas value chain. In Geometric modelling, numerical simulation, and optimization (521-558). Springer, Berlin, Heidelberg, http://doi.org/10.1007/978-3-540-68783- 2_16.
38. Wang X., Disney S.M., 2016. The bullwhip effect: Progress, trends and directions. European Journal of Operational Research, 250(3), 691-701, http://doi.org/10.1016/j.ejor.2015.07.022.
39. Zymelman M., 1965. A stabilization policy for the cotton textile cycle. Management Science, 11(5), 572-580, http://doi.org/10.1287/mnsc.11.5.572

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-924417c6-63e5-4a32-a095-24de5bf04370