کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
5079862 | 1477553 | 2015 | 13 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Agricultural supply chain optimization and complexity: A comparison of analytic vs simulated solutions and policies
ترجمه فارسی عنوان
بهینه سازی و پیچیدگی زنجیره تامین کشاورزی: مقایسه راه حل های تحلیلی و شبیه سازی شده و سیاست ها
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
کشاورزی، مدل تحلیلی، شبیه سازی مبتنی بر عامل، تحلیل ریسک، مدیریت زنجیره تامین،
ترجمه چکیده
با توجه به اینکه امنیت جهانی غذا به عنوان یک مسئله مهم سیاستی پیش میرود، ساختار و بهینه سازی زنجیره تامین کلیدی کشاورزی اهمیت زیادی دارد. به نوبه خود، در حالی که بسیاری از مدل های کارآمد بهینه سازی زنجیره تامین برای ایجاد اطمینان تحلیلی توسعه داده شده است، برخی دیگر ویژگی های دقیق تر زنجیره تامین را به عنوان یک سیستم پیچیده ایجاد می کنند که ممکن است به راه حل تحلیلی قابل قبول نباشد. این تحقیق یک زنجیره تامین مهم کشاورزی را از منظر توسعه راه حل های موثر برای پیچیدگی های بهینه سازی داخلی پیچیده ای که در نهایت بر امنیت غذایی تأثیر می گذارد، بررسی می کند. برای این منظور، سیستم حمل و نقل گندم کانادا یک زنجیره عرضه پیچیده صادرات است که در حال حاضر تحت تغییرات گسترده ای با توجه به کنترل کیفیت است. ما هر دو مدل تحلیلی و شبیه سازی این زنجیره تامین را با هدف نهایی شناسایی راهبردهای آزمون موثر گندم در محیط پیچیده عملیاتی و نظارتی توسعه می دهیم. در حالی که مدل تحلیلی بر اساس مفروضات محدود در مورد رفتار فردی بنا شده است، شبیه سازی مبتنی بر عامل، ما را قادر می سازد تا کشاورزان و دست اندرکاران را به عنوان افراد منطقی و یادگیرنده که تصمیم گیری های مبتنی بر تجارب خود و همچنین تجارب دیگران را در اطراف آنها انجام می دهند، مدل کند. پس از آن ما مقایسه های صریح بین راه حل ها و سیاست های تولید شده با استفاده از رویکرد شبیه سازی را در برابر آنهایی که از طریق مدل تحلیلی قابل ردیابی زنجیره تامین گندم تولید می شود، مقایسه می کنیم. در حالی که این دو رویکرد راه حل های مختلفی را ایجاد می کنند، در بسیاری از موارد نتیجه گیری مشابهی در مورد تست کلی و کنترل کیفیت در مدیریت گندم انجام می شود.
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی صنعتی و تولید
چکیده انگلیسی
With worldwide food security emerging as a major policy issue moving forward, the structure and optimization of key agricultural supply chains is of growing importance. In turn, while many working models of supply chain optimization have been developed to ensure analytic tractability, others are building more precise characterizations of a supply chain as a complex system that may not be amenable to analytic solution. This research examines an important agricultural supply chain from the perspective of developing effective solutions to complex internal optimization issues that could ultimately affect food security. To this end, the Canadian wheat handling system is a complex export oriented supply chain that is currently undergoing extensive changes with respect to quality control. We develop both analytic and simulation models of this supply chain with the ultimate goal of identifying effective wheat quality testing strategies in a complex operational and regulatory environment. While the analytic model is founded on limited assumptions about individual behavior, agent-based simulation allows us to model farmers and handlers as rational and learning individuals who make decisions based on their own experiences as well as the experiences of others around them. We then make explicit comparisons between solutions and policies generated using the simulation approach against those generated by the analytically tractable model of the wheat supply chain. While the two approaches generate somewhat different solutions, in many respects they lead to similar conclusions regarding the overall testing and quality control issue in wheat handling.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Production Economics - Volume 159, January 2015, Pages 208-220
Journal: International Journal of Production Economics - Volume 159, January 2015, Pages 208-220
نویسندگان
Houtian Ge, Richard Gray, James Nolan,