The storage location problem in a coal supply chain: background and methodological approach

• Autorzy: Benalcazar P. , Kamiński J. , Saługa P. W.

Identyfikatory

DOI

10.1515/gospo-2017-0009

Warianty tytułu

PL

Lokalizacja składów węgla w łańcuchu dostaw do odbiorcy – tło i podejście metodyczne

• Języki publikacji: EN

Abstrakty

EN

In order to achieve two main objectives: (1) reduce risk and (2) increase the expected rate of return on invested capital, coal mining and coal trading companies have looked for new ways to improve their supply chain networks. Developments in the supply chain design and analysis have helped coal mining and coal trading companies expand their businesses, but at the same time, have forced them to consolidate their assets and downsize any underused storage facilities. In the coal mining industry, the problem of consolidation and downsizing becomes much more complicated due to the variety in quality parameters (hence many coal grades) involved, locational zones and different number of market players. Furthermore, for the last decade, the storage allocation and assignment problem has received a great deal of attention within the Logistics and Operation Research (OR) area. Yet, little attention has been given to the modeling of coal supply chains and the issue of strategic supply chain planning of coal-producing and coal-trading companies. Similar to the generic warehouse consolidation problem (WCP), in specific cases of coal-producing and coal-trading companies, storage facilities that are redundant or underutilized can be eliminated without causing a negative impact on customer and service levels. In this context, this paper discusses the background of the problem and proposes a mixed-integer linear programming (MILP) model mainly intended for storage and distribution network reconfiguration of a coal-producing or trading company. The model, which can be implemented in a high-level mathematical modelling system such as GAMS or AIMMS, captures the essential methodological features of a warehouse restructuring and/or consolidation problem and can be applied in practice.

PL

Wśród szeregu przedsięwzięć realizowanych przez przedsiębiorstwa produkujące i handlujące węglem kamiennym w kierunku osiągnięcia dwóch podstawowych celów swojej działalności, jakimi są (1) zmniejszenie ryzyka oraz (2) zwiększenie oczekiwanej stopy zwrotu z zaangażowanego kapitału, istotną rolę pełni konsekwentne usprawnianie sieci dostaw tego nośnika energii pierwotnej. Projektowanie przedmiotowego systemu oraz analiza łańcucha dostaw węgla stwarza warunki dla dalszej ekspansji spółek; zmusza jednocześnie ich zarządy do przeprowadzania konsolidacji posiadanych aktywów oraz redukowania niewykorzystanych zasobów magazynowych. W branży węglowej problem ten komplikuje się głównie ze względu na zmienność parametrów jakościowych występującego w obrocie węgla (w konsekwencji dużej liczby klas/sortymentów), różnorodną lokalizację oraz dużą liczbę uczestników rynku. Problem efektywnej alokacji powierzchni magazynowych stanowi coraz częściej poruszane zagadnienie w literaturze przedmiotu. Niestety, jak dotychczas niewystarczające zainteresowanie towarzyszyło zarówno modelowaniu łańcucha dostaw węgla jak i problemowi planowania strategicznego w spółkach węglowych i przedsiębiorstwach handlujących węglem. Poprzez analogię do ogólnego problemu konsolidacji powierzchni magazynowych można pokazać, że w przypadku przedmiotowych przedsiębiorstw niepotrzebne lub niewykorzystane kubatury składowisk mogą zostać wyeliminowane bez spowodowania negatywnych skutków dla odbiorców. W odniesieniu do powyższego, w artykule przedstawiono zwięzłą analizę tła problemu oraz zaproponowano rozwiązanie zagadnienia rekonfiguracji sieci dystrybucyjnej rozważanych przedsiębiorstw wydobywających i handlujących węglem kamiennym z wykorzystaniem podejścia programowania matematycznego liniowego całkowitoliczbowego (MILP). Podobny model (który może być zaimplementowany w systemie modelowania, takim jak GAMS lub AIMMS), uwzględnia wszystkie istotne elementy metodyczne problemu konsolidacji powierzchni magazynowych i może być skutecznie wykorzystany do celów praktycznych.

Słowa kluczowe

EN

coal mining company; coal trading; supply optimization; MILP; warehouse location

PL

kopalnia węgla; handel węglem; optymalizacja dostaw; MILP; lokalizacja magazynów

• Wydawca: Instytut Gospodarki Surowcami Mineralnymi i Energią PAN ; Komitet Zrównoważonej Gospodarki Surowcami Mineralnymi PAN
• Czasopismo: Gospodarka Surowcami Mineralnymi
• Rocznik: 2017
• Tom: T. 33, z. 1
• Strony: 5--14
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Benalcazar P.

• Mineral and Energy Economy Research Institute, Polish Academy of Sciences, Department of Policy and Strategic Research, Division of Energy Economics, Krakow, Poland

autor

Kamiński J.

• Mineral and Energy Economy Research Institute, Polish Academy of Sciences, Department of Policy and Strategic Research, Division of Energy Economics, Krakow, Poland

autor

Saługa P. W.

• AGH University of Science and Technology, Faculty of Management, Department of Energy Management, Krakow, Poland

Bibliografia

• [1] Anaraki et al. 2011 – Anaraki, A.H.Z.H.Z., Razmi, J., Jeihoonian, M., 2011. A Benders Decomposition approach for redesigning a warehouse network problem [In:] 41st International Conference on Computers and Industrial Engineering 2011. Department of Industrial Engineering, University of Tehran, Tehran, Iran, pp. 38–43.
• [2] Berg et al. 1999 – Berg, J.P. Van Den, Zijm, W.H.M., 1999. Models for warehouse management: Classification and examples. Int. J. Prod. Econ. 59, pp. 519–528. DOI: 10.1016/S0925-5273(98)00114-5.
• [3] Bogacz, P., 2015. Optymalizacja dystrybucji i logistyki w ujęciu bezpośrednim do segmentu odbiorców indywidualnych. Logistyka 4.
• [4] Cheng et al. 2016 – Cheng, Q., Ning, S., Xia, X., Yang, F., 2016. Modelling of coal trade process for the logistics enterprise and its optimisation with stochastic predictive control. Int. J. Prod. Res. 54, pp. 2241–2259. DOI: 10.1080/00207543.2015.1062568.
• [5] Fahimnia et al. 2013 – Fahimnia, B., Farahani, R.Z., Marian, R., Luong, L., 2013. A review and critique on integrated production–distribution planning models and techniques. J. Manuf. Syst. 32, pp. 1–19. DOI: 10.1016/j.jmsy.2012.07.005.
• [6] Gu et al. 2010 – Gu, J., Goetschalckx, M., McGinnis, L.F., 2010. Research on warehouse design and performance evaluation: A comprehensive review. Eur. J. Oper. Res. 203, pp. 539–549. DOI: 10.1016/j.ejor.2009.07.031.
• [7] Gu et al. 2007 – Gu, J., Goetschalckx, M., McGinnis, L.F., 2007. Research on warehouse operation: A comprehensive review. Eur. J. Oper. Res. 177, pp. 1–21. DOI: 10.1016/j.ejor.2006.02.025.
• [8] Kamiński, J. and Saługa, P. 2014. Steam coal supplies for power generation – the concept of a mathematical model. Gospodarka Surowcami Mineralnymi – Mineral Resources Management 30, pp. 39–52. DOI: 10.2478/gospo-2014-0005.
• [9] Kiya, F. and Davoudpour, H. 2012. Stochastic programming approach to re-designing a warehouse network under uncertainty. Transp. Res. Part E Logist. Transp. Rev. 48, pp. 919–936. DOI: 10.1016/j.tre.2012.04.005.
• [10] Liotta et al. 2015 – Liotta, G., Stecca, G., Kaihara, T. 2015. Optimisation of freight flows and sourcing in sustainable production and transportation networks. Int. J. Prod. Econ. 164, pp. 351–365. DOI: 10.1016/j.ijpe.2014.12.016.
• [11] Magda et al. 2014 – Magda, R., Bogacz, P., Franik, T., Celej, M., Migza, M. 2014. Regionalne zróżnicowanie popytu na węgiel kamienny jako podstawa do opracowania modelu dystrybucji produktu przedsiębiorstwa górniczego w segmencie odbiorców indywidualnych. Arch. Górnictwa 59, pp. 761–780.
• [12] Melachrinoudis et al. 2005 – Melachrinoudis, E., Messac, A., Min, H., 2005. Consolidating a warehouse network: A physical programming approach. Int. J. Prod. Econ. 97, pp. 1–17. DOI: 10.1016/j.ijpe.2004.04.009.
• [13] Melachrinoudis, E. and Min, H. 2007. Redesigning a warehouse network. Eur. J. Oper. Res. 176, pp. 210–229. DOI: 10.1016/j.ejor.2005.04.034.
• [14] Melo et al. 2009 – Melo, M.T., Nickel, S., Saldanha-da-Gama, F. 2009. Facility location and supply chain management – A review. Eur. J. Oper. Res. 196, pp. 401–412. DOI: 10.1016/j.ejor.2008.05.007.
• [15] Melo et al. 2005 – Melo, M.T., Nickel, S., Saldanha da Gama, F. 2005. Dynamic multi-commodity capacitated facility location: a mathematical modeling framework for strategic supply chain planning. Comput. Oper. Res. 33, pp. 181–208. DOI: 10.1016/j.cor.2004.07.005.
• [16] Min, H. and Melachrinoudis, E. 2001. Restructuring a Warehouse Network: Strategies and Models, in: Handbook of Industrial Engineering. John Wiley & Sons, Inc., pp. 2070–2082. DOI: 10.1002/9780470172339.ch80.
• [17] Myerson, P. 2015. Supply Chain and Logistics Management Made Easy. Pearson Education, Inc., Old Tappan.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).