Evaluation of outsourcing transportation contract using simulation and design of experiment

• Autorzy: Setamanit S.

Identyfikatory

DOI

10.17512/pjms.2018.18.2.24

Warianty tytułu

PL

Ocena kontraktów outsourcingowych w transporcie z wykorzystaniem symulacji i projektu eksperymentu

• Języki publikacji: EN

Abstrakty

EN

This paper aims to develop an approach to identify optimal fleet size under uncertainty and to identify important factors affecting transportation performance. The methodologies used in this paper are two folded. The first methodology is to develop a simulation model that allows manager to evaluate the impact of having different number of trailers on delivery and cost in order to identify the optimal fleet size. The second methodology is to use a Design of experiment (DOE) together with the simulation model to identify important factors that affect transportation performances. The result shows that the company should hire 16 trailers, which will reduce the delivery delay from 14% to 0.02%. Furthermore, it is found that variation in demand has a strong impact on late delivery and cost. There is also an interaction between demand variation and transportation time variation.

PL

Niniejszy dokument ma na celu opracowanie podejścia do określania optymalnej wielkości floty w warunkach niepewności oraz określenie ważnych czynników wpływających na wydajność transportu. Metodologie stosowane w tym artykule są złożone. Pierwszą metodologią jest opracowanie modelu symulacyjnego, który umożliwi menedżerowi ocenę wpływu posiadania różnych przyczep i kosztów w celu określenia optymalnego rozmiaru floty. Drugą metodologią jest wykorzystanie projektu eksperymentu (DOE) wraz z modelem symulacyjnym w celu zidentyfikowania ważnych czynników wpływających na wydajność transportu. Wynik pokazuje, że firma powinna wynająć 16 przyczep, co zmniejszy opóźnienie dostawy z 14% do 0.02%. Ponadto stwierdzono, że zróżnicowanie popytu ma duży wpływ na opóźnienia w dostawie i koszty. Istnieje również interakcja między zmiennością popytu a zmiennością czasu transportu.

Słowa kluczowe

EN

design of experiment; optimal fleet size; outsourcing; simulation modelling; transportation contract; transportation management; variation

PL

projekt eksperymentu; optymalny rozmiar floty; outsourcing; modelowanie symulacyjne; umowa transportowa; zarządzanie transportem; zmiana

• Wydawca: Czestochowa University of Technology
• Czasopismo: Polish Journal of Management Studies
• Rocznik: 2018
• Tom: Vol. 18, No. 2
• Strony: 300--310
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Setamanit S.

• Chulalongkorn Business School, Chulalongkorn University, Thailand

Bibliografia

• 1. Balakrishnan N., Render B., Stair R.M., 2006, Managerial Decision Modeling with Spreadsheets (2nd ed.). Prentice Hall, USA.
• 2. Bienstock C.C., Mentzer J.T., 1999, An experimental investigation of the outsourcing decision for motor carrier transportation, “Transportation Journal”, 39 (1).
• 3. Bienstock C.C., 1994, The effect of outsourcing and situational characteristics on physical distribution transportation efficiency, Dissertation, Virginia Polytechnic Institute and State University, USA.
• 4. Bilan Y., NitsenkoV., Ushkarenko I., Chmut A., Sharapa O., 2017, Outsourcing in international economic relations, “Montenegrin Journal of Economics”, 13(3).
• 5. Dang M.N., 2018, A New Decision Making Model Based on the Made in Vietnam Lean Management Philosophy, Economics and Sociology, 11(1).
• 6. Dong J.X., Song D.P., 1999, Container fleet sizing and empty repositioning in liner shipping systems Transportation Research Part E: Logistics and Transportation Review, 45(6).
• 7. Heidary M.H., Aghaie A., Jalalimanesh A., 2018, A simulation-optimization approach for a multi-period, multi-objective supply chain with demand uncertainty and an option contract, Simulation, 94(7).
• 8. Herrel K., 2014, A visual interactive simulation application for minimizing risk and improving outbound logistical efficiency in time-sensitive attended home deliveries and services, Simulation: Transactions of The Society for Modeling and Simulation International, 90(4).
• 9. Jagatheesan J., Kilcullen R., 2011, Incorporating cycle time uncertainty to improve railcar fleet sizing, Dissertation, Massachusetts Institute of Technology, USA.
• 10. Kavakeb S., Nguyen T.T., Yang Z., Jenkinson I., 2016, Evolutionary fleet sizing in static and uncertainty environments with shuttle transportation tasks - the case studies of container terminals, IEEE Computational Intelligence Magazine, 11(1).
• 11. Law A.M., Kelton W.D., 1991, Simulation Modeling and Analysis (2nd ed.). McGraw-Hill, New York, USA.
• 12. Lee Y.H., Cho M.K., Kim S.J., Kim Y.B., 2002, Supply chain simulation with discrete-continuous combined modeling, Computer & Industrial Engineering, 43 (1-2).
• 13. Lesyna W.R., 1999, Sizing industrial rail car fleets using discrete-event simulation, [In:] Proceedings of the 1999 Winter Simulation Conference, USA.
• 14. Longo F., Mirabelli G., 2008, An advanced supply chain management tool based on modeling and simulation, Computer & Industrial Engineering, 54(3).
• 15. Manuj I., Mentzer J.T., Bowers M.R., 2008, Improving the rigor of discrete-event simulation in logistics and supply chain research, “International journal of physical distribution & logistics management”, 39(3).
• 16. Park S., Kim D.S., 2015, Container fleet-sizing for part transportation and storage in a two-level supply chain, “Journal of the Operational Research Society”, 66(9).
• 17. Rebs T., Brandenburg M., Seuring S., 2019, System dynamics modeling for sustainable supply chain management: A literature review and systems thinking approach, “Journal of Cleaner Production”, 208.
• 18. Robinson A., 2014, Why logistics efficiency is more important than ever for manufacturers. Available at: https://cerasis.com/2014/06/09/logistics-efficiency/. Access on: 30.07.2018.
• 19. Sha M., Srinivasan R., 2016, Fleet sizing in chemical supply chains using agent-based simulation, Computers and Chemical Engineering, 84.
• 20. Shen Y., Xu J., Wu X., 2017, Vehicle scheduling based on variable trip times with expected on-time performance, International Transactions in Operational Research, 24(1-2).

Uwagi

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