Universidad Tecnolgica Metropolitana Facultad de Ingeniera Departamento de Informtica

TALLER 2 WSC
Nombre: Natalia Herrera Fuentes Profesor: Santiago Zapata Cceres Asignatura: Simulacin de Sistemas Fecha: 08 agosto 2013

PAPER ORIGINAL
Proceedings of the 2012 Winter Simulation Conference C. Laroque, J. Himmelspach, R. Pasupathy, O. Rose, and A.M. Uhrmacher, eds

AN APPROACH FOR INCREASING FLEXIBILITY IN GREEN SUPPLY CHAINS DRIVEN BY SIMULATION Markus Rabe Adrienn Horvath Technical University Dortmund Leonard-Euler-Strae 5 D- 44227 Dortmund, GERMANY Sven Spieckermann Till Fechteler SimPlan AG Edmund-Seng-Str. 3-5 D- 63477 Maintal, GERMANY

ABSTRACT Flexibility is a relevant topic in the field of green supply chains (GSC), as disturbances lead to additional transport and storage, frequently aggravated by energy-consuming air conditioning requirements. This paper discusses how simulation can support to establish flexible GSCs with specific focus on decreasing CO2 and energy consumption. For this purpose, the term flexibility is structured into categories, and methodological approaches driven by simulation in supply chains are studied. Flexibility requirements in the context of a GSC are analyzed and potential support derived for increasing this flexibility, gained by a join of simulation techniques, data models and morphological characteristics of flexibility. An approach for systematic flexibility analysis is presented on the grounds of a data mart that represents both internal and external factors influencing GSC scenarios. 1 INTRODUCTION

The continuous growth of CO2 emissions and energy consumption is a major cause for greenhouse gas emissions and in consequence for climate change, which has the largest negative impact on our environment (Diabat and Simchi-Levi 2009). There are a lot of manufacturing organizations who deal with measuring and reducing the size of their carbon footprint and the amount of energy (Van Slooten 2009), but there are fewer supply chains (SC) which can support these intentions, because there exists no adequate method or general set-up for these activities (Rabe and Deininger 2011). Even though it is generally agreed that being environmentally responsible can induce a competitive advantage, SCs will inevitably need to respect this aspect in the future. Several methods can be applied to analyse steady-state SCs, but this is not sufficient. SCs are in the center of demand, production, and environmental as well as social constraints. Therefore, most SCs are highly dynamic systems, influenced by continuous technological changes, innovations, traffic operation and policy, many kinds of costs (e.g., energy, duties, taxes, wages, etc.) and the uncertainties of an always changing economy. Hence, SCs have to provide a high grade of flexibility to cope with these requirements. In the light of these challenges the goal of this paper is to understand how discrete event simulation can support increasing flexibility in SCs with the specific focus on decreasing CO2 emissions and energy consumption and keeping them low even under disturbances. For the steady-state case, we can find approaches for the description of green supply chains and even standards like GreenSCOR (Chenga 2011). Surprisingly, there seem to be few researches in the exploitation of discrete event simulation techniques for the flexibility evaluation of green supply chains under disturbance, and the authors have not been able to find a previous paper with this focus. To meet our goal, we first introduce the relevant terms of the research topic with specific scope on environment-friendliness in the SC and the concept of flexi-

978-1-4673-4781-5/12/$31.00 2012 IEEE

Rabe, Spieckermann, Horvath, and Fechteler bility. The main section portrays a brief explanation of how we bring together simulation and flexibility on different levels in a model and some intricacies involved in simulation. 2 GREEN SUPPLY CHAINS AND FLEXIBILITY

In this chapter we introduce the most important terms that will be used in conjunction with simulation, namely green supply chains and flexibility. As a first step, we define what green supply chain means, which kind of environment-friendly actions exist and how the method Life Cycle Assessment (LCA) helps to identify the nodes of a green supply chain that have to be improved by taking flexibility into consideration. In the next paragraph we state essential definitions and the historical background of manufacturing flexibility. Then, we discuss further morphological characteristics of flexibility that should be analyzed within detail in the next chapter, based on a modeling approach and an example. 2.1 How Can a Supply Chain be Green?

The complexity of SCs has risen significantly because of the new and increasing requirements and possibilities like sustainability, globalization and environmental friendliness (Rabe and Deininger 2011). In this context the term green supply chain became also a new important topic of research, which does not have a standardized definition yet. For instance, Godfrey (1998) defines GSCs as practices of monitoring and improving environmental performance in the SC. Green et al. (1996) state that green supply refers to the way in which innovations in SC management and industrial purchasing are considered in the context of the environment. Hervani et al. (2005) interpreted GSC as aggregation of SC activities in relation to the support of the protection of the environment. Examples for these activities include Green Design, Selection of Green Material, Selection of Green Suppliers, Green Production, Green Logistics, Green Packaging, Gaining Green Certification, and Reverse Logistics (Rabe and Deininger 2011). Rao and Holt (2005) point out that the issue of green focuses on the minimization or elimination of solid, energy, emissions, chemicals or hazardous waste by material suppliers, contractors, service contractors, vendors, distributors, and end users within the SC. From this multitude of environment-friendly action fields, in this paper we focus on climate protection and on such activities which reduce carbon emissions and so decrease energy use within the SC. More precisely, we examine the sector logistics because its emissions continued to grow spectacularly in the last decades (in contrast to other determining sectors in this topic, like manufacturing and construction) (Clausen and Hesse 2008). More specifically, this paper discusses the section of the SC from the finished product transported from the manufacturing plant up to the retail store. As a method for collecting, selecting and analyzing the data which influence a SCs green strategy, we have chosen Life Cycle Assessment (LCA). LCA is a very effective technique for these requirements, because this concept uses the most accurate and relevant data for identifying information that can show how environment-friendly the SC is at a specific point of time. Also, LCA is able to help us to define what the further options of the GSC improvement are. Moreover, it supports the "Compilation and evaluation of the inputs, outputs and the potential environmental impacts of a product system throughout its life cycle" (ISO 14000, 2007), relying on international trusted databases like ecoinvent or European Reference Life Cycle Database (Lindskog and Berglund 2011). However, we have to understand that LCA principally covers the whole product life cycle, while we restrict our study to a clearly limited phase of product distribution. Therefore, we have to respect this constraint in our approach. 2.2 Flexibility

Flexibility is one of the most important requirements of modern SCs, because it facilitates the response to challenges like globalization, technological changes, innovations and the continuous economical uncertainty with little penalty in time, effort, cost or performance (Zhang et al. 2002a; 2002b; 2006). With flexibility, SCs can achieve a huge competitive advantage and ensure their survival in this ever changing world. In addition, this ability is also needed to meet the demand of environment-friendly customers, whose number is continually increasing (Straube and Doch 2011).

Rabe, Spieckermann, Horvath, and Fechteler The concept of flexibility has been first introduced in the work of Lavington (1921), who points out a connection between variability and the value of flexibility taking the "risk arising from the immobility of invested resources into consideration". After that, three functional perspectives of flexibility have been evolved. The first is the economic one that is based on the research of Stigler (1939), who defines flexibility as the ability of a single-product firm to make output decisions at relatively low costs, when exogenous shocks are impacting on the organization. In the 1980ies and 1990ies, the manufacturing perspective is emphasized, while conceptual frameworks, models and measures for manufacturing flexibility are developed (Bertrand 2003; Wadhwa and Rao 2003). In the last 10-15 years organizations and SCs are also getting into the focus of academic studies (Koste and Malhotra 1999). From this perspective, flexibility is the firms ability to suffer limited change without serious disorganization (Sethi and Sethi 1990; Zhang et al. 2002b; Zhang et al. 2009). The tools of such kind of non-technological flexibility are for instance decentralization, divisionalization and project management, job enrichment or enlargement concepts, management of SC capabilities or business strategies (Awwad and Almahamid 2008; Child 1972). Referring to the literature, four dimensions of flexibility are classified (Day 1994; Zhang et al. 2002b): product development flexibility, manufacturing flexibility, logistics flexibility, and spanning flexibility. Product development flexibility means the ability to rapidly and effectively introduce new products and upgrade existing products by replying to customers demands for design altering (Sethi and Sethi 1990). Manufacturing flexibility evolves when manufacturing resources and unsteadinesses are adequately managed and in parallel, different customer demands are taken into consideration (Zhang et al. 2003). In the focus of logistics flexibility are the changing requirements for delivery, support and service, which the organization has to treat in an effective and rapid manner (Perry 1991; Davis 1993; Day 1994; Bowersox and Closs 1996; Zhang et al. 2002b; Zhang et al. 2005). At least, spanning flexibility is present in a firms life when horizontal information connections within the SC are created and ensured (Day 1994). Certainly these dimensions are typical of SCs too, because of the interrelations that exist between companies and organizations. The different time horizons are also relevant to mention, because they can influence the decision making strategy and so the flexibility of a SC. There are three horizons that we can distinguish. Operational flexibility (short-term) corresponds to built-in procedures that permit a large range of responses to operational variables (e.g., sequencing, scheduling). Tactical flexibility (medium-term) for factories refers to actions that are undertaken before the plant is built and the organizational setup is determined (Carlsson 1989; Upton 1994). This horizon shows technological and organizational routines corresponding to how to deal with quantitative and qualitative changes considering production and product mix over the course of a business cycle etc. (Araujo and Spring 2002). For SCs, this means that tactical flexibility covers decisions done before deciding the physical setup of the network. Finally, strategic flexibility (long-term) determines how the firm or SC is positioning itself with respect to future challenges and opportunities (Carlsson 1989; Upton 1994). The hierarchical levels of flexibility are the following: shop floor level flexibility (product, volume, routing), called basic flexibility, plant or company level (delivery, transshipment, postponement) which means system flexibility and aggregate level (sourcing, response, access, launch) which concludes the customer-supplier relationships in a SC (Snchez and Prez Prez 2005). A SC is flexible on an aggregate level, if it can react to changes and new challenges and achieve appropriate results as a whole, and not only single participants of the SC have this ability. Suarez (1991) pointed out that there are internal and external factors which influence flexibility. Among the internal factors of a SC those are found that are at least in principle under control of the organization (e.g., investing in faster trucks for transportation). External factors in contrast are independent of the specific SC and the participants of the SC cannot influence them, but need to adapt their SC accordingly (e.g., environmental regulations, macro-economical changes, behavior of the competitors, etc.). The categories of flexibility discussed above are summarized in Figure 1. In the next chapter we will introduce and analyze a method which can help to increase the flexibility of GSCs, considering the organizational perspective, the logistics dimension (in a physical and a logical manner) and the tactical aspect

Rabe, Spieckermann, Horvath, and Fechteler on an aggregate level of this ability, related to the internal and external influential factors, as marked orange on Fig. 1.

Figure 1: Categories of flexibility 3 SIMULATION FOR SUPPLY CHAINS

A survey of Terzi and Cavalieri (2004) shows that there are different ways to apply simulation in a supply chain context. One way is to use simulation for the design of the supply chain. Another way might be to support the supply chain operation. In supply chain design, simulation can e.g., support decisions on ramp up or shut down of locations (more generally called network design), on the capacity of production and warehouse sites, on the general assessment of transport options (e.g., different transporation modes such as transportation by ship, by train, or by truck), or on allocations of products to sites. In supply chain design and in daily supply chain operation simulation may help to adjust control parameters such as safety stock or lot sizes, to assess short-term options on transportation, and to forecast the behavior of the supply chain within the near future (i.e. within the next hours or days).

Figure 2: Sample from a supply chain simulation model

Rabe, Spieckermann, Horvath, and Fechteler Supply chain simulation projects quite often are part of a strategic initiative for a company or at least for a business unit of the company. Hence, also the objectives are rather strategic such as analysis of the existing supply chain structures, identification of bottlenecks and weaknesses within the supply chain structure, improved understanding of cost drivers for stock and transportation costs, and improved understanding of lead times and causes for stock out (Schulz and Spieckermann 2008). In many cases of supply chain simulation it turns out to be painful and costly to generate a valid data model of all supply chain operations since not only information about the network is needed but also on orders, bills of material, rules on order and production control etc. (Chang and Makatsoris 2001). This challenge will even grow with the consideration of green aspects in supply chains. In the context of this paper, it is necessary to point out that in the context of supply chains the term simulation does in many cases not refer to discrete-event simulation (DES) (Kleijnen 2005). However, with respect to the application of DES to supply chains it is rather common to use commercial simulation tools either stand-alone ones or to connect simulation to software with advanced planning features (APS software) or to ERP (Enterprise Resource Planning) systems (Banks et al. 2002). As an example, Figure 3 is a screenshot of a simulation model set up with the toolset ICON-SimChain, a combination of a commercial DES simulation tool (PlantSimulation), and the supply chain monitoring and operation software environment ICON (Alicke and Gutenschwager 2003). This toolset will be explained in the following sections as a background of the authors that could be enriched for the simulation of GSCs. The toolset ICON-SimChain consists of three major parts: a graphical user interface used for model configuration, a data base in which all configuration data and simulation results are stored and a DES Supply Chain Simulation Framework based on Plant Simulation. In ICON-SimChain, all model elements are created automatically from a template library implemented in PlantSimulation. This library as a set of templates represents predefined ready-to-use building blocks for simulation experiments. A specific template combination is used to instantiate a specific simulation scenario with the aim to support SC decisions. Examples for templates within ICON-SimChain are Depot (Site) which is used to model enterprise locations (sites) and its transport relations to other sites or the template Transport Route which is used to model transports between locations. As described above, operational decision rules can be specified within the framework of the ICON environment. The data model of ICON-SimChain is quite extensive. Therefore, this section gives an overview of the most important parts of the data model, only. To simulate supply chain data of considered locations, SKU (stock keeping units), the transport relations between locations (i.e. material flow) and information flow are necessary. The basic tables of the data model hold data which describe locations (production sites, hubs and customers), calendars, SKU and BOM (bill of material), carriers and means of transport, information delay, forecast errors, transport relations and sourcing (sequence of transport relations). Finally a scenario is defined by a set of configurations (see Figure 3). 4 USING SIMULATION TO FACE FLEXIBILITY REQUIREMENTS

In this paper, we discuss Discrete Event Simulation (DES) only, because it is an efficient method for analyzing time-variant systems where changes occur at discrete points in time. DES is also appropriate for analyzing powerful what-if-scenarios, which means it permits the comparison of various operational alternatives without changing the real system (Chang und Makatsoris 2001) and that is exactly what is needed when searching for more flexible green SCs, especially on the operational and tactical planning level (Hellstrm and Johnsson 2005). The main aspect of the term flexibility is the ability of reacting to changes as pointed out in the previous sections. To support flexibility in SCs there is the need to take different To Be models into account where every To Be model represents an alternative scenario in respect to external influences on the SC, which facilitates supply-chain-planning too. To improve existing solutions like the one described in Section 3, a more generic and systematic modeling and data collection approach is required. The main outlines of this approach are specified in the following.

Rabe, Spieckermann, Horvath, and Fechteler

Figure 3: Scenario definition with the ICON-SimChain data model 4.1 The General Modeling Approach

The SC scope, defined by its entities and their general relationships, describes the categories and potential sources of data that can be used for the analysis (Fig. 4). These data, from the SC itself as well as from the environment that is influencing the SC, are brought together in a structured architecture, which we call data mart. The data mart can be described as common view of enterprise data in which the physical storage is an underlaying data warehouse (Parimala and Pahwa 2006). The data mart contains multifarious data, represented by a diversity of data types related to different sources in various formats. The benefits of this architecture are data legibility, the support of company knowledge and the neglection of boundaries between data management and data movement (Liu 1999). For instance, there will be sensor data which are automatically collected by radio-frequency identification (RFID) systems or data imports from a legacy database. Additionally, the business logic workflows can be stored in respect to LCA. The data mart is divided into two conceptual parts. The first one represents the external factors that cannot be influenced by the participants of the SC. The second one includes the internal factors like the description of the current network. Both parts together are forming the data source for the simulation experiments. The main design element of the simulation approach is a template library which supports the experiment setup. The results of simulation experiments which form the flexibility evaluation will be mirrored back to the model. 4.2 Data Mart

The data mart is subdivided into the area of internal factors and the area of external factors. The internal factors are based on the SC itself. A distinction is made between two basic SC views. The first one, called the physical network, is made up of entities which describe the physical structure and its geographical transport relations. The major elements of the physical network are nodes (e.g., factory) and relations (e.g., transport path). The second view describes the rules also called policies which illustrate the business logic (Hicks 1999). The business logic defines how products move through the supply chain under the constraints set by the physical network as well as further constraints like the relationships among the products. As an example, let us assume a physical network with an intermediate storage between the manufacturing plant and the retail store. A related business logic could specify that under regular conditions all products go through the intermediate storage in order to optimize truck loads, but a product is

Rabe, Spieckermann, Horvath, and Fechteler transported directly from the plant to the retail store if the retailers inventory is zero. The third component of the internal part are the company Key Performance Indicators (KPIs). The underlying principle is to enrich the statistical data by the reliable and actual data collected by monitoring systems of the company. The assumption here would be that it is more realistic and therefore precise to use e.g., the consumption of actually used vehicles than to take statistical average values, possibly being independent of the specific vehicle type, into account.

Figure 4: Flexibility model The counterpart of internal data is the data base of external factors. These data is divided into different subclasses with respect to their function. In our approach we use three subclasses. The first one describing traditional external SC factors like customer demand. The second one related to the term green in the described SC, i.e. it refers to environmental data. These data are stored in enterprise or public databases and is containing information about global KPIs, like the CO2 emissions of specific transport modes. The last part represents further influential factors which may cause a change in the behavior of the SC. Today politics and media are an important example. A political decision such as fees for railways in a country may have an effect on SC transport pathes. An example for the influential power of the media could be the advertising of the new law of France, called Grenelle I (June 2010), which declares that from July 2011 the carbon footprint label on products is mandatory rather than voluntary. It is likely that the discussion of this law in the media abroad will increase the interest of consumers in other countries regarding this topic and lead them to search for such kind of products, which may result in a pressure on domestic companies to demonstrate their environment-friendliness.

Rabe, Spieckermann, Horvath, and Fechteler 4.3 Simulation Approach for Green Supply Chains

There are two kinds of information classes internal and external which influence the level of SC flexibility as demonstrated in the previous section. Based on these conceptual parts there are various scenarios with different key aspects. The first key aspect is the external one, as an enterprise likes to know which impact external factors will have on their (current or future) supply chain. The second key aspect relates to the design options that an enterprise considers for their supply chain. The resulting research space is the crossproduct of both sets of scenarios, enabling the search for the future SC that can face future external factors with the most adequate flexibility with acceptable economical and environmental KPIs. The internal factors will form the knowledge base for the SC design scenarios. As an example for a physical SC network, we can imagine to add an additional node, e.g., representing a warehouse, to the existing network in its potential geographical location. A simulation experiment will evaluate the To Be SC under the given constraint of the physical network and as a result supports the decision about changes on the logical network. By adding the policies to the scenario parameters we gain the ability to evaluate different arrangements of rules. The results generated in this way can be used to select the best set of rules for different tasks (Hicks 1999). The method how to select the best policies is not in the scope of this paper. The external factors serve as a further basis for simulation input. From the data point of view, these factors represent the external flexibility requirements, because their initial values, changes and fluctuations will be a measure for the SC flexibility. The flexibility of the SC will determine if the SC can react in an effective and successful manner or if undesirable effects will occur. As already implemented for ICON-SimChain (cp. chapter 3), the simulation experiments can be automatically deduced from a SC scenario, based on template libraries. The scope of the template library is limited by the scope of the SC for example, there is no need to design a template for an assembly station if this is not part of the SC model scope. The results of experiment series act as flexibility evaluation. One possible use of this outcome is to study how flexible a given system will behave in relation to external factors. The second use of these results is acting as knowledge basis for the improvement of the SC with respect to green aspects, leading e.g., to redesigning the physical network or designing and remodeling policies on the logical network layer. 4.4 Flexibility Example

In order to gain a practical impression of the flexibility approach, an illustration is given of an example which explains the discussed issue of external factors with respect to the scope of CO2 reduction and its practical benefit for SC flexibility. The scenario is formulated as How should I design my SC in order to be less vulnerable to a nationwide strike? The design of the SC is related to both views the physical network and the business logic. We assume that a set of policies describes the business options for intermediate storage of goods. The set of all possible choices is given by the SC network serving as constraint for the simulation scenario. Furthermore, the policies can contain additional information in the form of supplementary knowledge. In our example they include goods which are probably the most important products for the next week. The definition of most important depends on the SC context we can imagine that it is the main product of a new marketing campaign, the product with the greatest financial reward, or simply an external factor the customer demand of a product, which leads to a requirement as a delay of the good is not acceptable. The specific simulation application template is the basis for simulating different To Be scenarios (e.g., using <Second Warehouse> and <Fifth warehouse> instead) and taking business knowledge into account. The resulting different emission KPIs enable for choosing the alternative storage option with the fewest CO2 emissions. This increases the flexibility of the GSC because if one of the storages is not available, simulation delivers the KPIs as decision support to choose the next alternative storage with low CO2 emissions. Therefore the company is able to react more flexible to external distractions in their GSC.

Rabe, Spieckermann, Horvath, and Fechteler While this sample for illustrative purposes just considers one single external factor, the flexibility of the SC will have to be measured with respect to its ability to react to a large set of possible fluctuations. Here, the notion of risk comes into discussion, as deviations from the standard SC behaviour can be better accepted if the risk for this external development is low. A method to calculate overall flexibility KPIs taking risk evaluation into account is not considered for this paper, but appears to be an interesting research field in order to substantially judge the SC flexibility based on simulation experiments. 5 CONCLUSION

In this paper we have discussed special flexibility from the organizational perspective, the logistics dimension and the tactical aspect on an aggregate level. In addition, flexibility characteristics where introduced in the green context of CO2 reduction. The approach has pointed out that flexibility of GSCs can be analysed by an adequate combination of data representation, simulation and supporting mechanisms. As always, measurement is the basis for improvement, and thus the flexibility analysis is the starting point to optimize GSCs for most flexibly reacting to external influence. We have illustrated that a list of entities is needed to build up the model. These entities are mainly a data mart with conceptually divided parts where flexibility requirements and design scenarios can be derived from and a simulation framework that uses templates to conduct the flexibility evaluation. To address the data mart concept which serves both as collaboration storage and organization of data we propose a collaboration platform. It will support the architecture requirements in a manner that ontologies, interfaces or different data layers can be integrated. The first steps to realize this platform approach are taken in a currently running European project (FP7-ICT-288585, started 01.01.2012), called Energy Efficiency in the Supply Chain through Collaboration, Advanced Decision Support and Automatic Sensing (e-SAVE). The aim of this initiative is to support the design and operation of energy-efficient SCs in the consumer goods sector. It will deliver the system, services, collaboration platform and management tools that will permit companies to monitor, manage and share energy use and carbon footprint data. Exploiting this platform, operational as well as strategic decision making and SC design decisions can be supported. In this context, the authors will conduct further research to implement the principles of studying flexibility in GSC as presented in this paper in a simulation environment cooperating with a collaboration platform. REFERENCES Alicke, K., and K. Gutenschwager. 2003. Supply Chain Simulation mit ICON-SimChain. In: Logistik Management: Prozesse, Systeme, Ausbildung, Edited by T. Spengler, S. Vo, and H. Kopfer, 161178, Heidelberg, Physica. Araujo, L., and M. Spring. 2002. Manufacturing Flexibility and Industrial Networks. 18th IMP Conference ESC, Dijon, France, CD ROM publication. Awwad, Ab., and S. Almahamid. 2008. The Link between Modification Flexibility and Organizational Objectives: an Empirical Study on Jordanian Manufacturing Companies. Journal of Social Sciences 4:293-307. Banks, J., S. Buckley, S. Jain, P. Lendermann, and M. Manivannan. 2002. Panel Session: Opportunities for Simulation in Supply Chain Management. In Proceedings of the 2002 Winter Simulation Conference, Edited by J. L. Snowdon, J. M. Charnes, E. Ycesan, and C.-H. Chen, 1652-1658. Piscataway, New Jersey: IEEE. Bertrand, J. W. M. 2003. Supply Chain Design: Flexibility Considerations. Handbooks in OR & MS, No. 11, 133198. Amsterdam, Netherlands: Elsevier. Bowersox, D. J., and D.J. Closs. 1996. Logistics Management: the Integrated Supply Chain Process. New York, New York: Mc Graw and Hill. Carlsson, B. 1989. Flexibility and the Theory of the Firm. International Journal of Industrial Organization 7:179203. Amsterdam, Netherlands: Elsevier.

Rabe, Spieckermann, Horvath, and Fechteler Chang, Y., and H. Makatsoris. 2001. Supply Chain Modeling using Simulation. Simulation 2:2430. Berlin, Germany: Springer Verlag. Chenga, J.C. 2011. A Web Service Framework for Measuring and Monitoring Environmental and Carbon Footprint in Construction Supply Chains. Procedia Engineering 14:141-147. Amsterdam, Netherlands: Elsevier. Child, J. 1972. Organizational Structure, Environment and Performance: The Role of Strategic Choice. Sociology 6:222. Thousand Oaks, California: SAGE Publications. Clausen, U., and Hesse, K. 2008. Nachhaltige Gestaltung der Logistik. Duisport Magazin, No. 4/2008, 19-21. Duisburg, Germany: Duisburger Hafen AG. Davis, T. 1993. Effective Supply Chain Management. Sloan Management Review, Summer 1993, 35 46. Cambride, Massachusetts: Massachusetts Institute of Technology. Day, G. S. 1994. The Capabilities of Market-driven Organizations. Journal of Marketing 58:3752. Boston, Massechusetts: American Marketing Association. Diabat, A., and D. Simchi-Levi. 2010. A Carbon-capped Supply Chain Network Problem. IEEE International Conference on Industrial Engineering and Engineering Management, 2009, 523527. Piscataway, New Jersey: Institute of Electrical and Electronics Engineers. Green, K., and B. Morton, S. New. 1996. Purchasing and Environmental Management: Interactions, Policies and Opportunties. Business Strategy and the Environment 5:188197. Manchester, United Kingdom: CROMTEC, UMIST. Godfrey, R. 1998. Ethical Purchasing: Developing the Supply Chain beyond Environment. Greener Purchasing: Opportunities and Innovations, Edited by T. Russel, 244251. Sheffield, United Kingdom: Greenleaf Publishing. Hellstrm, D., M. Johnsson. 2002. Using Discrete-event Simulation in Supply Chain Planning. 14th Annual Conference for Nordic Researchers in Logistics. Trondheim, Norway: NOFOMA Hervani, A.A., M.M. Helms, and J. Sarkis. 2005. Performance Measurement for Green Supply Chain Management. Benchmarking 12:330353. Bradford, United Kingdom: Emerald Group Publishing Limited. Hicks, D.A. 1999. A Four Step Methodology for Using Simulation and Optimization Technologies in Strategic Supply Chain Planning. In Proceedings of the 31st Winter Simulation Conference, Volume 2, Edited by A. Phillip, Farrington, H. B. Nembhard, W. G. Evans, and D.T. Sturrock, 12151220. New York: Institute of Electrical and Electronical Engineers. International Organization for Standardization (ISO). 2007. ISO 14000-Series Environment Management Systems. Kleijnen, J. P. C. 2005. Supply Chain Simulation Tools and Techniques: A Survey. In: International Journal of Simulation and Process Modelling 1:82-89. Koste, L.L., and M.K. Malhotra. 1999. A Theoretical Framework for Analyzing the Dimensions of Manufacturing Flexibility. Journal of Operations Management 18:7593. Amsterdam, Netherlands: Elsevier. Lavington, F. 1921. The English Capital Market. London: Methuen & Co. Lindskog, E., and J. Berglund. 2011. A Method for Detemining the Enviromental Footprint of Industrial Products using Simulation. In Proceedings of the 2011 Winter Simulation Conference, Edited by L. Lundh, J. Berglund, Y.T. Lee, A. Skoogh, and B. Johannson, 21312142. New York: Institute of Electrical and Electronical Engineers. Liu, J. 1999. "Data Mart: Next Step in Data Storage". Term Paper. Boulder, Colorado: University of Colorado. Parimala, N., and P.Pahwa. 2006. Coalescing Data Marts. In Proceedings of XVI International Conference on Computer and Information Science and Engineering (CISE), 280-285. Turtle Bay Resort, Honolulu, Hawaii: IEEE ICCCN.

Rabe, Spieckermann, Horvath, and Fechteler Perry, J. H. 1991. Emerging Economic and Technological Futures: Implications for Design and Management of Logistics Systems in the 1990s. Journal of Business Logistics 12:116. Lombard, Illinois: CSCMP. Rabe, M., and M. Deininger. 2012. State of Art and Research Demands for Simulation Modeling of Green Supply Chains. International Journal of Automation Technology 6:296303. Tokyo, Japan: Fuji Technology Press Co., Ltd. Rao, P., and D. Holt. 2005. Do Green Supply Chains Lead to Competitiveness and Economic Performance? International Journal of Operations & Production Management 25:898916. Bradford, United Kingdom: Emerald Group Publishing Limited. Snchez A.M., and M. Prez Prez, (2005) Supply Chain Flexibility and Firm Performance: A Conceptual Model and Empirical Study in the Automotive Industry. International Journal of Operations & Production Management 25:681700. Bradford, United Kingdom: Emerald Group Publishing Limited. Schulz, M., and S. Spieckermann. 2008. Logistics Simulation in the Chemical Industry. In: Logistic Optimization of Chemical Production Processes, Edited by S. Engell, 21-36, Chichester, Wiley. Sethi, A. K., and S.P. Sethi. 1990. Flexibility in Manufacturing: a Survey. International Journal of Flexible Manufacturing Systems 2:289328. Berlin, Germany: Springer Verlag. Stigler, G. 1939. Production and Distribution in the Short Run. Journal of Political Economy 47:305-327. Chicago, Illinois: University of Chicago Press. Straube, F., and S. Doch. 2011.A Contribution to Sustainable Logistics and Supply Chain - Conceptual Design to Evaluate Ecological and Economical Cause-Effect Relations in Logistics Planning Processes. In Advances in Sustainable Manufacturing, Edited by G. Seliger, M.K. Khraisheh, and I.S. Jawahir, 353364. Berlin, Germany: Springer Verlag. Suarez, F. F., M. A. Cusumano, and C. F. Fine. 1991. Flexibility and Performance: A Literature Critique and Strategic Framework. Sloan School of Management Working Paper. 329891. Cambridge, MA, Massachusetts Institute of Technology. Terzi, S., and S. Cavalieri. 2004. Simulation in the Supply Chain Context: A Survey. In Computers in Industry 53:3-16. Upton, D. 1994. The Management of Manufacturing Flexibility. California Management Review 36:7289. Bradford, United Kingdom: Emerald Group Publishing Limited. Van Slooten, W.M.C. 2009. The Role of CO2 Footprint during Order Acquisition. MSc Thesis, Faculty of Technology, Policy and Management, 120. Delft, Netherlands, Delft University of Technology. Wadhwa, S., and K.S. Rao. 2003. Enterprise Modeling of Supply Chains Involving Multiple Entity Flows: Role of Flexibility in Enhancing Lead Time Performance. Studies in Informatics and Control. Pasing City, Philippines: ICI Publishing House. Zhang, Q., M. A. Vonderembse, and J.-S. Lim. 2002a. Product Development Flexibility: Testing Relationships among Competence, Capability and Customer Satisfaction. Arkansas State University and The University of Toledo. Zhang, Q., M. A. Vonderembse,and J.-S. Lim. 2002b. Value Chain Flexibility: a Dichotomy of Competence and Capability. International Journal of Production Research 40:561583. London, United Kingdom: Taylor & Francis. Zhang, Q., M. A. Vonderembse, and J.-S. Lim. 2003. Manufacturing Flexibility: Defining and Analyzing Relationships among Competence, Capability, and Customer Satisfaction. Journal of Operations Management 21:173-191. Amsterdam, Netherlands: Elsevier. Zhang, Q., M. A. Vonderembse, and J.-S. Lim. 2005. "Logistics Flexibility and its Impact on Customer Satisfaction." International Journal of Logistics Management 16:71-95. Amsterdam, Netherlands: Elsevier. Zhang, Q., M. A. Vonderembse, and J.-S. Lim 2006. Spanning Flexibility: Supply Chain Information Dissemination Drives Strategy Development and Customer Satisfaction. Supply Chain Management 11:390-399. Amsterdam, Netherlands: Elsevier.

Rabe, Spieckermann, Horvath, and Fechteler Zhang, Q., M.A. Vonderembse, and M. Cao. 2009. Product Concept and Prototype Flexibility in Manu- facturing: Implications for Customer Satisfaction. European Journal of Operational Research 194:143154. Amsterdam, Netherlands: Elsevier. AUTHOR BIOGRAPHIES MARKUS RABE is full professor for IT in production and logistics at the Technical University Dort- mund. Until 2010 he had been with Fraunhofer IPK in Berlin as head of the corporate logistics and pro- cesses department, head of the central IT department and member of the institute direction circle. His re- search focus is on information systems for supply chains, production planning and simulation. Markus Rabe is vice chair of the Simulation in Production and Logistics group of the simulation society ASIM, member of the editorial board of the Journal of Simulation, member of several conference program com- mittees, has chaired the ASIM SPL conference in 1998, 2000, 2004, and 2008, and is local chair of the WSC2012 in Berlin. More than 150 publications and editions report from his work. His e-mail address is markus.rabe@tu-dortmund.de. SVEN SPIECKERMANN is Chief Executive Officer at SimPlan AG, Maintal, Germany, mainly work- ing as a senior consultant and project manager in simulation projects for several industries. Since 1992, he has been participating in over 200 simulation projects. Additionally, he has been giving lectures in simu- lation at the Technical University of Braunschweig since 1995 and at the Technical University of Darm- stadt since 2008. He has published several papers on simulation, simulation-based optimization and relat- ed topics. His e-mail address is sven.spieckermann@simplan.de. ADRIENN HORVATH is since 2011 a research assistant at the Technical University Dortmund, IT in Produktion and Logistik. She studied Business and Management at the Budapest University of Technolo- gy and Economics and graduated with a thesis on innovation supporting mechanisms. Her research focus is environment-friendly supply chains. Her e-mail address is adrienn.horvarth@tu-dortmund.de. TILL FECHTELER is Branch Manager at SimPlan AG, Braunschweig, Germany, mainly working as a senior consultant and project manager in simulation projects. Since 1997, he has been participating in more than 100 simulation projects for several industries. His e-mail address is till.fechteler@simplan.de.

PAPER TRADUCIDO
Actas de la Conferencia de Simulacin de Invierno 2012 C. Laroque, J. Himmelspach, R. Pasupathy, O. Rose y AM Uhrmacher, eds UN ENFOQUE PARA AUMENTAR LA FLEXIBILIDAD EN CADENAS DE SUMINISTRO VERDE IMPULSADO POR LA SIMULACIN

Markus Rabe Adrienn Horvath Universidad Tcnica de Dortmund Leonard-Euler-Strae 5 D-44227 Dortmund, Alemania

Sven Spieckermann Hasta Fechteler SimPlan AG Edmund-Seng-Str. 3-5 D-63477 Maintal, Alemania

RESUMEN
La flexibilidad es un tema relevante en el campo de las cadenas de suministro verdes (SGC), que conducen a perturbaciones adicionales transporte y almacenamiento, agravados con frecuencia por los requerimientos de aire acondicionado que consumen energa. Este documento analiza cmo la simulacin puede apoyar para establecer GSCS flexibles con especial nfasis en la disminucin de CO2 y el consumo de energa. Para este propsito, el trmino flexibilidad se estructura en categoras, y enfoques metodolgicos impulsados por la simulacin en las cadenas de suministro se estudian. Requisitos de flexibilidad en el contexto de un SGC se analizan y apoyo potencial derivada para aumentar esta flexibilidad, adquirida por un unin de las tcnicas de simulacin, modelos de datos y las caractersticas morfolgicas de la flexibilidad. Un enfoque se presenta el anlisis de flexibilidad sistemtica sobre la base de un mercado de datos que representa tanto internos y los factores externos que influyen en los escenarios de la SGC.

INTRODUCCIN

El continuo crecimiento de emisiones de CO2 y el consumo de energa es una de las principales causas de gases de efecto invernadero emisiones y en consecuencia por el

cambio climtico, que tiene el mayor impacto negativo sobre nuestro medio ambiente (Diabat y Simchi-Levi 2009). Hay una gran cantidad de organizaciones de fabricacin que se ocupan de medir y reducir el tamao de su huella de carbono y la cantidad de energa (Van Slooten 2009), pero hay un menor nmero de cadenas de suministro (SC) que pueden soportar estas intenciones, porque no existe ademtodo o general puesta a punto para estas actividades (Rabe y Deininger 2011) cuada. A pesar de que generalmente acord que ser responsable con el medioambiente puede inducir una ventaja competitiva, SC, inevitablemente, necesidad de respetar este aspecto en el futuro. Varios mtodos pueden ser aplicados para analizar los CSs en estado stacionario, pero esto no es suficiente. CSs estn en la Centro de la demanda, la produccin y el medio ambiente, as como las restricciones sociales. Por lo tanto, la mayora de los CSs estn en sistemas altamente dinmicos, influenciados por continuos cambios tecnolgicos, las innovaciones, las operaciones de trfico y la poltica, muchos tipos de gastos (por ejemplo, energa, derechos, impuestos, salarios, etc) y las incertidumbres de un constante cambio de la economa. Por lo tanto, SC tiene que proporcionar un alto grado de flexibilidad para hacer frente a estos requerimientos. A la luz de estos desafos el objetivo de este trabajo es entender cmo discretos eventos de simulacin pueden apoyar el aumento de la flexibilidad en las SC con el enfoque especfico en la disminucin de emisiones de CO2 y en consumo de energa y mantenerlos bajo, incluso con perturbaciones. Para el caso en el estado de equilibrio, podemos encontrar enfoques para la descripcin de las cadenas de suministro verdes e incluso las normas como GreenSCOR (Chenga 2011). Sorprendentemente, parece que hay pocas investigaciones en la explotacin de simulacin de eventos discretos tech-cas para evaluar la flexibilidad de las cadenas de suministro verdes bajo perturbacin, y los autores no tienen sido capaz de encontrar un trabajo previo con este enfoque. Para cumplir nuestro objetivo, primero introducimos los trminos pertinentes del tema de investigacin con un contenido determinado de respeto del medio ambiente en el SC y el concepto de flexibilidad. La seccin principal retrata una breve explicacin de cmo reunir a la simulacin y la flexibilidad en diferentes niveles en un modelo y algunas complejidades involucradas en la simulacin.

2 CADENAS DE SUMINISTRO VERDE Y FLEXIBILIDAD

En este captulo se introducen los trminos ms importantes que se utilizan en combinacin con la simulacin, cadenas de suministro a saber verdes y flexibilidad. Como primer paso, se define lo que significa "cadena de suministro verde", qu tipo de acciones amigables con el ambiente existen y cmo el Anlisis del Ciclo de Vida de mtodo (LCA) ayuda a identificar los nodos de una cadena de suministro verde que tienen que ser mejorados mediante la adopcin de flexibilidad en los considerablemente. En el prrafo siguiente afirmamos definiciones esenciales y los antecedentes histricos de la fabricacin estructuracin flexibilidad. A continuacin, se discuten las caractersticas morfolgicas de

ms flexibilidad que deben ser analizados en detalle en el prximo captulo, basado en un enfoque de modelo y un ejemplo.

2.1 Cmo puede una cadena de suministro de ser "verde"?

La complejidad de las SC ha aumentado significativamente debido a las nuevas exigencias y creciente y posibilidades - como la sostenibilidad, la globalizacin y el respeto al medio ambiente (Rabe y Deininger 2011). En este contexto, el trmino "cadena de suministro verde" tambin se convirti en un nuevo tema de investigacin importante, que no tiene una definicin estandarizada todava. Por ejemplo, Godfrey (1998) define GSCS como las prcticas de supervisin y mejorar el desempeo ambiental de la SC. Green et al. (1996) afirman que la oferta verde se refiere a la manera en que las innovaciones en la gestin de Carolina del Sur y las compras industriales se consideran en el contexto del medio ambiente. Hervani et al. (2005) SGC interpretarse como la agregacin de las actividades de SC en relacin al apoyo de la proteccin del medio ambiente. Ejemplos de estas actividades incluyen el diseo verde, Seleccin de material verde, Seleccin de Proveedores Verdes, Produccin Green, Green Logistics, Verde Packagcin, obtener la certificacin verde y Logstica Inversa (Rabe y Deininger 2011). Rao y Holt (2005) sealan que la cuestin de verde se centra en la minimizacin o eliminacin de los slidos, la energa, las emisiones, productos qumicos o residuos peligrosos por parte de proveedores de materiales, contratistas, contratistas de servicios, proveedores, distribuidores, y los usuarios finales dentro de la SC. De esta multitud de campos de accin con el medio ambiente, en este trabajo se centran en la proteccin del clima y el tipo de actividades que reducen las emisiones de carbono y por lo tanto disminuir la energa utilizada dentro de la SC. En concreto, se analiza la logstica del sector, ya que sus emisiones continuaron con un crecimiento espectacular en las ltimas dcadas (en contraste con otros sectores determinantes en este tema, al igual que fabricacin y construccin) (Clausen y Hesse 2008). Ms concretamente, este trabajo analiza la seccin de la SC desde el producto acabado transportada desde la planta de fabricacin hasta la tienda al por menor. Como un mtodo para la recogida, seleccin y anlisis de los datos que influyen en la estrategia verde de un SC, hemos elegido Valoracin del Ciclo de Vida (ACV). El ACV es una tcnica muy efectiva para estos requisitos, porque este concepto utiliza la informacin ms precisa y relevante para la informacin de identificacin que puede mostrar cmo el medio ambiente de la SC se encuentra en un punto de tiempo especfico. Adems, LCA es capaz de ayudar a definir cules son las otras opciones de la mejora GSC son. Adems, es compatible con la "Recopilacin y evaluacin de las entradas, las salidas y los posibles impactos ambientales de un sistema de producto a lo largo de su vida ciclo "(ISO 14000, 2007), apoyndose en las bases de datos de confianza internacionales como ecoinvent o europeo de referencia Vida Database ciclo (Lindskog y Berglund 2011). Sin embargo, tenemos que entender que la LCA cubre principalmente el ciclo de vida del producto,

mientras que restringimos nuestro estudio a una fase claramente limitado de la distribucin del producto. Por lo tanto, tenemos que respetar esta restriccin en nuestro enfoque.

2.2 Flexibilidad
La flexibilidad es uno de los requisitos ms importantes de las SC modernos, ya que facilita la respuesta a retos como la globalizacin, los cambios tecnolgicos, las innovaciones y la continua incertidumbre econmica incertidumbre con poca pena el tiempo, esfuerzo, coste o rendimiento (Zhang et al, 2002a;. 2002b, 2006). Con flexibilidad, SC pueden lograr una gran ventaja competitiva y asegurar su supervivencia en este siempre cambiante mundo. Adems, tambin se necesita esta capacidad para satisfacer la demanda de los clientes con el medio ambiente, cuyo nmero es cada vez mayor (Straube y Doch 2011). El concepto de flexibilidad se ha introducido por primera vez en la obra de Lavington (1921), quien seala una conexin entre la variabilidad y el valor de la flexibilidad de tomar el "riesgo derivado de la inmovilidad de invertidos recursos en consideracin". Despus de eso, tres puntos de vista funcionales de flexibilidad han sido evolucionados. El primero es el econmico que se basa en la investigacin de Stigler (1939), que define flexibilidad como la capacidad de una empresa de un solo producto para tomar decisiones de salida a un costo relativamente bajo, cuando exgena-shocks indgenas estn impactando en la organizacin. En la perspectiva de fabricacin aos 1980 y aos 1990 se pone de relieve, mientras que los marcos conceptuales, modelos y medidas de flexibilidad de fabricacin son desarrollados (Bertrand 2003; Wadhwa y Rao 2003). En los ltimos 10 a 15 aos las organizaciones y SCS tambin entran en el centro de estudios acadmicos (Koste y Malhotra 1999). Desde esta perspectiva, la flexibilidad es la capacidad de la empresa para sufrir cambios limitados y sin desorganizacin grave (Sethi y Sethi 1990, Zhang et al. 2002b; Zhang et al. 2009). Las herramientas de este tipo de flexibilidad no tecnolgica son, por ejemplo, de centralizacin, divisionalizacin y gestin de proyectos, enriquecimiento del trabajo o la ampliacin conceptos, gestin de las capacidades SC o estrategias empresariales (Awwad y Almahamid 2008; Nio 1972). Haciendo referencia a la literatura, cuatro dimensiones de la flexibilidad se clasifican (Da 1994; Zhang et al. 2002b): la flexibilidad de desarrollo de productos, flexibilidad de fabricacin, flexibilidad logstica, y flexibilidad de expancion. Flexibilidad en el desarrollo del producto, la capacidad para introducir rpida y eficazmente nuevos productos y productos existentes de actualizacin de responder a las demandas de los clientes para el diseo (Sethi y Sethi1990). Flexibilidad de fabricacin se desarrolla cuando los recursos de fabricacin son adecuadas y gestionadas y en paralelo, se tienen en cuenta (Zhang et al. 2003) diferentes demandas de los clientes. En el enfoque de flexibilidad logstica son las necesidades cambiantes de la entrega, ayuda y servicio, que la organizacin tiene que tratar de una manera eficaz y rpida (Perry 1991;

Davis 1993; Da 1994; Bowersox y Closs 1996; Zhang et al. 2002b; Zhang et al. 2005). Al menos, la flexibilidad de expansin est presente en la vida de una empresa cuando las conexiones horizontales de informacin dentro de la SC se crean y se aseguran (Da 1994). Ciertamente, estas dimensiones son tpicas de las SC tambin, debido a las interrelaciones que existen entre comparsas y organizaciones. Los diferentes horizontes temporales tambin son relevantes mencionar, ya que pueden influir en la decisin de MAKING estrategia y por lo que la flexibilidad de un SC. Hay tres horizontes que podemos distinguir. Operacional flexibilidad (a corto plazo) corresponde a una funcin de los procedimientos que permiten una gran variedad de respuestas a la pera las variables tradicionales (por ejemplo, la secuenciacin, programacin). La flexibilidad tctica (mediano plazo) para las fbricas se refiere a acciones que se llevan a cabo antes de que la planta se construye y se determina la estructura organizativa (Carlsson 1989; Upton 1994). Este horizonte muestra rutinas tecnolgicas y organizativas que corresponden a la forma para hacer frente a los cambios cuantitativos y cualitativos que considera la produccin y la mezcla de productos en el transcurso de un ciclo econmico, etc (Araujo y primavera 2002). Para castas, esto significa que la flexibilidad tctica cubre decisiones hechas antes de decidir la configuracin fsica de la red. Por ltimo, la flexibilidad estratgica (a largo plazo) determina cmo la empresa o SC se est posicionando con respecto a los futuros retos y oportunidades (Carlsson 1989; Upton 1994). Los niveles jerrquicos de la flexibilidad son los siguientes: taller de flexibilidad nivel del suelo (producto, volumen, routing), llamado nivel bsico flexibilidad, planta o empresa (la entrega, el transbordo, el aplazamiento), que significa flexibilidad del sistema y el nivel agregado (abastecimiento, la respuesta, el acceso, el lanzamiento), que concluye las relaciones cliente-proveedor en un SC (Snchez y Prez Prez 2005). A SC es flexible en forma global nivel, si puede reaccionar a los cambios y nuevos retos y lograr resultados adecuados como un todo, y no en los participantes individuales del SC. Suarez (1991) seala que existen factores internos y externos que influyen en la flexibilidad. Entre los factores internos de un SC se encuentran aquellos que estan al menos en principio bajo el control de la organizacin (por ejemplo, la inversin en camiones ms rpidos para el transporte). Factores externos, en contraste son indent del SC especfica y los participantes de la SC no puede influir sobre ellos, pero es necesario para adaptar su SC (por ejemplo, las normas ambientales, los cambios macro-econmicos, el comportamiento de los competidores, etc.) Las categoras de flexibilidad descritas anteriormente se resumen en la Figura 1. En el prximo captulo se va a introducir y analizar un mtodo que puede ayudar a aumentar la flexibilidad de GSCS, teniendo en cuenta la perspectiva, la dimensin logstica (en un

fsico y una manera lgica) y el aspecto tctico a nivel agregado de esta capacidad, en relacin con los factores influyentes internos y externos, como est marcado en color naranjo en la fig. 1.

SIMULACION PARA LAS CADENAS DE SUMINISTRO

Una encuesta de terzi y Cavalieri (2004) muestra que hay diferentes maneras de aplicar la simulacin en el contexto de la cadena de suministro. Una forma es utilizar la simulacin para el diseo de la cadena de suministro. Otra forma podra ser la de apoyar la operacin de la cadena de suministro. En el diseo de la cadena de suministro, la simulacin puede, por ejemplo, apoyar las decisiones en la rampa en marcha o apagar de lugares (diseo ms general llamada red), de la capacidad de produccin y sitios de depsito, en la evaluacin general de las opciones de transporte (por ejemplo, diferentes modos transportacin tales como el transporte por barco, en tren o en camin), o en la asignacin de productos a sitios. En el diseo de la cadena de suministro y la cadena de suministro de la operacin diaria de simulacin puede ayudar a ajustar los parmetros de control como la cadena de suministros de seguridad en el futuro cercano (es decir, en las prximas horas o das).

Los proyectos de simulacin de la cadena de suministro a menudo forman parte de una iniciativa estratgica para una empresa o por lo menos de una unidad de negocio de la compaa. Por lo tanto, tambin los objetivos son ms bien estratgicos, como el anlisis de la existencia de estructuras de la cadena de suministro, la identificacin de cuellos de botella y los puntos dbiles de la estructura de la cadena de suministro , la mejora de la comprensin de los conductores de costos para costos de stock y el transporte, y la mejora de entender los tiempos y causas de accin hacia fuera (Schulz y Spieckermann 2008) de plomo. En muchos casos de simulacin de la cadena de suministro que resulta ser doloroso y costoso para generar un conjunto de datos vlidos se necesita modelo de todas las operaciones de la cadena de suministro, no slo informacin acerca de la red, sino tambin en pedidos, listas de materiales, normas de orden y control de la produccin, etc (Chang y Makatsoris 2001). Este es un desafo incluso crecer con la consideracin de los aspectos "verdes" en las cadenas de suministro. En el contexto de este trabajo, es necesario sealar que en el contexto de las cadenas de suministro del trmino simulacin no en muchos casos se refiere a la simulacin de eventos discretos (DES) (Kleijnen 2005). Sin embargo, con respecto a la aplicacin de DES para las cadenas de suministro es bastante comn el uso de simulacin comercial herramientas o bien queridos independientes o para conectar la simulacin con el software con

caractersticas avanzadas de planificacin (APS software) o ERP (Enterprise Resource Planning) Sistemas (Banks et al. 2002). A modo de ejemplo, la Figura 3 es una captura de pantalla de un modelo de simulacin creado con el conjunto de herramientas de ICONSimChain, una combinacin de un comercial DES simulacin (PlantSimulation), y el control de la cadena de suministro y el software de operacin icono de medio ambiente (Alicke y Gutenschwager 2003). Este conjunto de herramientas se explicar en las siguientes secciones como teln de fondo de los autores que pueden ser enriquecidos para la simulacin de GSCS. El conjunto de herramientas de ICON-SimChain consta de tres partes principales: una interfaz grfica de usuario que se utiliza para el modelo configuracin, una base de datos en la que todos los datos de configuracin y resultados de simulacin se almacenan y un DES Suministro marco de simulacin de la cadena basada en Plant Simulation. En ICONSimChain, todos los elementos del modelo se crean automticamente a partir de una biblioteca de plantillas implementado en PlantSimulation. Esta biblioteca como un conjunto de plantillas representa bloques predefinidos listos para usar en los experimentos de simulacin. A temperatura especfica combinacin de placa se utiliza para crear instancias de un escenario de simulacin especfica con el objetivo de apoyar la decisin SC. Ejemplos de plantillas dentro de ICON-SimChain son "Depot (Sitio)", que se utiliza para la empresa modelo lugares (sitios) y sus relaciones de transporte a otros sitios o la plantilla "Ruta de Transporte", que es utilizado para transportes modelo entre las localidades. Como se describi anteriormente, las reglas de decisin operacionales pueden especializar en el marco del medio ambiente ICONO. El modelo de datos de ICON-SimChain es bastante extenso. Por lo tanto, esta seccin ofrece una visin general de las partes ms importantes del modelo de datos, slo. Para simular los datos de la cadena de suministro de los lugares considerados, SKU (Stock mantener unidades), las relaciones de transporte entre lugares (es decir, el flujo de materiales) y la informacin son necesarios flujo. Los cuadros bsicos del modelo de datos contienen datos que describen lugares (produccin sitios, hubs y clientes), calendarios, SKU y BOM (lista de materiales), los transportistas y medios de transporte, demora la informacin, los errores de previsin, las relaciones de transporte y abastecimiento (secuencia de las relaciones de transporte). Finalmente un escenario se define por un conjunto de configuraciones (vase la Figura 3).

4 UTILIZACIN DE LA SIMULACIN PARA ENFRENTAR REQUISITOS DE FLEXIBILIDAD

En este trabajo se discuten solamente eventos discretos de simulacion(DES), ya que es un mtodo eficiente para analizar sistemas variantes en el tiempo en que se producen los cambios en puntos discretos en el tiempo. DES es tambin apropiado para analizar poderosos "qu pasara si" los escenarios, lo que significa que permite la comparacin de diversas operaciones de alternativas sin cambiar el sistema real (Chang und Makatsoris 2001) y eso es exactamente lo que es necesaria en la bsqueda de las SC verdes ms flexibles, especialmente en la planificacin operacional y tctica nivel (Hellstrm y Johnsson 2005). El principal aspecto del trmino flexibilidad es la capacidad de reaccionar a los cambios como se ha sealado en las secciones anteriores. Para apoyar la flexibilidad en las SC existe la necesidad de tener diferentes "ser" modelos en cuenta donde cada "ser" modelo representa un escenario alternativo con respecto a las influencias externas en el SC, lo que facilita la cadena de suministro, planificacin tambin. Para mejorar las soluciones existentes, como la que se describe en la Seccin 3, se requiere un modelado ms genrico y sistemtica y enfoque de recopilacin de datos. La principal salida de este enfoque se presenta a continuacin.

4.1

El enfoque del modelo general

El alcance SC, definida por sus entidades y sus relaciones generales, se describen las categoras y potenciales fuentes de datos que pueden ser utilizados para el anlisis (Fig. 4). Estos datos, a partir de la propia SC, as como el entorno que est influyendo en la SC, se renen en una arquitectura estructurada, lo que llamamos "Data mart". El mercado de datos puede ser descrito como una vista comn de datos de la empresa en la que el fsico almacenamiento es un almacn de datos subyacente (Parimala y Pahwa 2006). El mercado de datos contiene multiformes datos de unidades organizativas, representados por una diversidad de tipos de datos relacionados con diferentes fuentes en varios formatos. El beneficio de esta arquitectura son la legibilidad de datos, con el apoyo de conocimiento de la empresa y la desatencin de lmites entre la gestin de datos y la transferencia de datos (Liu 1999). Por ejemplo, habr sensor de los datos que se recogen de forma automtica por los sistemas de identificacin por radiofrecuencia (RFID) o importaciones de datos a partir de una base de datos de legado. Adems, los flujos de trabajo de la lgica de negocio se pueden almacenar con respecto a LCA. El mercado de datos se divide en dos partes conceptuales. La primera de ellas representa los factores externos que no se pueden influenciar por los participantes de la SC. El segundo incluye los factores internos como la descripcin de la red actual. Ambas partes juntas estn formando la fuente de datos para los experimentos de simulacin. El elemento de diseo principal del enfoque de simulacin es una biblioteca de plantillas que soporta el experimento configuracin. Los resultados de los experimentos de simulacin que forman la evaluacin flexibilidad se reflejarn de vuelta para el modelo.

4.2

Data Mart

El mercado de datos se divide en la zona de los factores internos y la zona de los factores externos. El factor interno se basan en la propia SC. Se hace una distincin entre dos puntos de vista bsicos SC. El primero, llamado la red fsica, se compone de entidades que describen la estructura fsica y su geogrfica transportar las relaciones. Los principales elementos de la red fsica son nodos (por ejemplo, una fbrica) y relaciones (Por ejemplo, va de transporte). La segunda visin se describe las reglas tambin llamadas polticas que ilustran el negocio lgica (Hicks 1999). La lgica de negocio define cmo los productos se mueven a travs de la cadena de suministro en el marco de limitaciones establecidas por la red fsica, as como otras limitaciones como las relaciones entre los productos. Como un ejemplo, supongamos una red fsica con un almacenamiento intermedio entre la fbrica y la tienda al por menor. Una lgica de negocio relacionado podra especificar que bajo condiciones regulares todos los productos pasan por el almacenamiento intermedio con el fin de optimizar las cargas de camiones, sino un producto es transportado directamente de

la planta a la tienda si el inventario del minorista es cero. La tercera componente de la parte interna de la empresa son los indicadores clave de rendimiento (KPI). El principio subyacente es para enriquecer los datos estadsticos de los datos fiables y reales recogidos por los sistemas de vigilancia de la compaa. La suposicin en este caso sera que es ms realista y por lo tanto precisa de utilizar por ejemplo, el consumo de los vehculos utilizados en realidad que tomar valores medios estadsticos, siendo posiblemente independiente del tipo de vehculo especifico.

La contrapartida de los datos internos es la base de datos de los factores externos. Estos datos se divide en diferentes subclases con respecto a su funcin. En nuestro enfoque se utilizan tres subclases. El primero uno describiendo los factores externos SC tradicionales como la demanda del cliente. El segundo, relacionado con el trmino "verde" descrito en el SC, es decir, se refiere a datos ambientales. Estos datos se almacenan en la empresa pblica o de datos bases y es que contiene informacin acerca de los KPI globales, como el CO2 las

emisiones de transporte especfica modos. La ltima parte representa factores ms influyentes que pueden causar un cambio en el comportamiento de la SC. Hoy en da la poltica y los medios de comunicacin son un ejemplo importante. Una decisin poltica, como los honorarios de los ferrocarriles en un pas pueden tener un efecto sobre pathes transporte SC. Un ejemplo del poder de influencia de los medios de comunicacin podra ser la publicidad de la nueva ley de Francia, llamado "Grenelle I" (junio de 2010), que declara quea partir de julio de 2011, la etiqueta de la huella de carbono de los productos es obligatorio y no voluntario. Es probable que la discusin de esta ley en los medios de comunicacin en el extranjero aumentar el inters de los consumidores en otros pases con respecto a este tema y llevarlos a buscar este tipo de productos, lo que puede resultar en una presin sobre empresas nacionales que demuestren su respeto del medio ambiente.

4.3 Enfoque de simulacin para Cadenas de Suministro Hay dos tipos de clases de informacin - internos y externos - que influyen en el nivel de SC flexibilidad como se demuestra en la seccin anterior. Basado en estas partes conceptuales hay varios escenarios con diferentes aspectos clave. El primer aspecto clave es la externa, como una empresa le gusta saber que factores externos impacto tendrn sobre su cadena de suministro (actual o futuro). El segundo aspecto importante se refiere a las opciones de diseo que la empresa considere de su cadena de suministro. El espacio de investigacin resultante es el CrossProduct(cruce del producto) de ambos conjuntos de escenarios, lo que permite la bsqueda de la SC futuro que puede enfrentar el los factores externos del futuro con la flexibilidad ms adecuada con KPIs econmicos y ambientales aceptables. Los factores internos sern la base de conocimientos para los escenarios de diseo SC. Como un ejemplo para un SC red fsica, podemos imaginar para aadir un nodo adicional, por ejemplo, representa un almacn, a la existente red en su potencial ubicacin geogrfica. Un experimento de simulacin se evaluar el "ser" SC virtud de la limitacin dada de la red fsica y, como resultado apoya la decisin acerca de los cambios en la red lgica. Mediante la adicin de las polticas para los parmetros del escenario ganamos la capacidad de evaluar distintos conjuntos de reglas. Los resultados generados de esta manera se pueden utilizar para seleccionar el mejor conjunto de reglas para diferentes tareas (Hicks 1999). El mtodo de cmo seleccionar las mejores polticas no est en el alcance de este paper.

Los factores externos que sirven como base para la ulterior entrada de simulacin. Desde el punto de vista de datos, estos factores representan los requisitos de flexibilidad externa, debido a sus valores iniciales, los cambios y las fluctuaciones ser una medida de la

flexibilidad SC. La flexibilidad de la SC determinar si el SC puede reaccionar de una manera eficaz y con xito o si se producen efectos indeseables. Como ya se ha implementado para ICON-SimChain (cf. captulo 3), los experimentos de simulacin pueden ser automticamente deducidas de un escenario SC, basado en libreras de plantillas. El mbito de aplicacin de la biblioteca de plantillas es limitado por el alcance de la SC - por ejemplo, no hay necesidad de disear una plantilla para una estacin de montaje si esto no es parte del alcance modelo SC. Los resultados de las series experimento actan como evaluacin flexibilidad. Un uso posible de este resultado es estudiar cmo lo flexible de un sistema dado se comportar en relacin a los factores externos. El segundo uso de estos resultados est actuando como base de conocimientos para la mejora de la CE en relacin con los aspectos verdes, llevando por ejemplo, para el rediseo de la red fsica o el diseo y remodelacin de las polticas en el nivel de red lgica.

4.4 Flexibilidad Ejemplo

Con el fin de obtener una impresin prctica del enfoque de flexibilidad, se da una ilustracin de un ejemplo lo que explica el problema discutido de factores externos con respecto al alcance de reduccin de CO2 y su beneficio prctico para la flexibilidad de SC. El escenario se formula como "Cmo debo disear mi SC con el fin de ser menos vulnerable a una huelga nacional? El diseo de la SC se relaciona con ambos puntos de vista - la fsica red y la lgica de negocio. Suponemos que un conjunto de polticas se describen las opciones de negocio para intermediar en el almacenamiento de mercancas. El conjunto de todas las opciones posibles est dada por la red del SC acta como restriccin para el escenario de simulacin. Por otra parte, las polticas pueden contener informacin adicional en la forma de conocimiento complementario. En nuestro ejemplo se incluyen los bienes que son probablemente los ms "importantes" productos para la prxima semana. La definicin de "ms importante" depende del contexto SC - podemos imaginar que es el producto principal de una nueva campaa de marketing, el producto con la mayor recompensa financiera o simplemente un factor exterior - la demanda de los clientes de un producto, lo que conduce a un requisito como "un retraso de la mercanca no es aceptable". La plantilla especfica de la aplicacin de simulacin es la base para la simulacin diferente "a ser" escenarios (por ejemplo, utilizando <Segundo Ware house> y <Fifth software house> lugar) y teniendo en cuenta el conocimiento del negocio.. Los diferentes KPIs emisiones resultantes permiten elegir la alternativa opcin de almacenamiento con la menor cantidad de emisiones de CO2. Esto aumenta la flexibilidad de la SGC porque si uno de los almacenamientos no se encuentra disponible, la simulacin proporciona los indicadores clave de rendimiento como apoyo a la decisin para elegir la

siguiente almacenamiento alternativo con bajas emisiones de CO2. Por lo tanto, la empresa es capaz de reaccionar con mayor flexibilidad a las distracciones externas en su SGC. Mientras que esta muestra para fines ilustrativos slo considera un factor externo, la flexibilidad de los la SC tendr que ser medido con respecto a su capacidad para reaccionar a un gran conjunto de posibles fluctuaciones. Aqu, la nocin de riesgo entra en discusin, como desviaciones de la conducta SC estndar pueden ser mejor aceptado si el riesgo para este desarrollo externo es bajo. Un mtodo para el clculo de indicadores clave de rendimiento global de flexibilidad teniendo en cuenta la evaluacin del riesgo no se considera en este trabajo, pero parece que hay una interesante investigacin campo con el fin de juzgar sustancialmente la flexibilidad SC basado en experimentos de simulacin. campo de bsqueda con el fin de juzgar sustancialmente la flexibilidad SC basado en experimentos de simulacin.

CONCLUSIN

En este trabajo hemos analizado la flexibilidad especial desde la perspectiva organizativa, la dimensin logistica y el aspecto tctico a nivel agregado. Adems, las caractersticas de flexibilidad que introducen en el contexto de "verde" de la reduccin de CO2. El enfoque ha sealado que la flexibilidad de GSCS puede ser analizada por una combinacin adecuada de representacin de datos, simulacin y mecanismos de apoyo. Como siempre, la medicin es la base para la mejora, y por lo tanto el anlisis de flexibilidad es de partida apuntar a optimizar GSCS para la mayora reaccionar con flexibilidad a la influencia externa. Hemos mostrado una lista de que es necesario que las entidades construyan el modelo. Estas entidades son principalmente un mercado de datos conceptualmente dividido en partes en las que los requisitos de flexibilidad y escenarios de diseo se pueden derivar de simulacin y un marco de trabajo que utiliza plantillas para realizar la evaluacin flexibilidad. Para abordar el concepto de mercado de datos, que sirve tanto como almacenamiento colaboracin y organizacin de los datos que proponemos una plataforma de colaboracin. Ser compatible con los requisitos de arquitectura de una manera que ontologas, interfaces o diferentes capas de datos pueden ser integrados. Los primeros pasos para hacer realidad este enfoque de plataforma se toman en un proyecto europeo en ejecucin (FP7-ICT-288585, iniciada 01.01.2012), llama a la eficiencia energtica en la cadena de suministro a travs de Colaboracin, Decision Support avanzada y Deteccin Automtica (e-SAVE). El objetivo de esta iniciativa es apoyar el diseo y el funcionamiento de comits permanentes de eficiencia energtica en el sector de bienes de consumo. Se entregar el sistema, servicios, plataforma de colaboracin y herramientas de gestin que permitan a las empresas controlar, gestionar y compartir el uso de energa y de

datos de la huella de carbono. La explotacin de esta plataforma operativa, as como toma de decisiones estratgicas y las decisiones de diseo SC puede ser admitido. En este contexto, los autores llevaran a cabo ms investigacin para aplicar los principios de flexibilidad en el estudio GSC como se presenta en este documento en un entorno de simulacin que coopera con una plataforma de colaboracin.

BIOGRAFAS DE AUTOR
MARKUS RABE es profesor titular de IT en la produccin y la logstica en la Universidad Tcnica Dort-mund. Hasta 2010 haba estado con Fraunhofer IPK en Berln al frente de la logstica empresarial y profesor de departamento de procesos, jefe del departamento central de TI y miembro del crculo de direccin de instituto. Su bsqueda se centra en los sistemas de informacin para las cadenas de suministro, planificacin de la produccin y la simulacin. Markus Rabe es vicepresidente de la "Simulacin de la Produccin y Logstica" grupo de la simulacin de la sociedad ASIM, miembro del consejo de redaccin de la Revista de la simulacin, miembro del programa de la conferencia varios comits, ha presidido la conferencia SPL ASIM en 1998, 2000, 2004 y 2008, y es presidente local de la WSC'2012 en Berln. Ms de 150 publicaciones y ediciones informan de su trabajo. Su direccin de correo electrnico es markus.rabe @ tu-dortmund.de. SVEN Spieckermann es consejero delegado de SimPlan AG, Maintal, Alemania, trabajando principalmente como consultor senior y gerente de proyectos en proyectos de simulacin para varias industrias. Desde 1992, ha participado en ms de 200 proyectos de simulacin. Adems, ha estado dando conferencias en simulacin de la Universidad Tcnica de Braunschweig desde 1995 y en la Universidad Tcnica de Darm-stadt desde 2008. Ha publicado varios artculos sobre la simulacin, la optimizacin basada en la simulacin y la relacin de temas ed. Su direccin de correo electrnico es sven.spieckermann @ simplan.de. ADRIENN HORVATH es desde 2011 un asistente de investigacin en la Universidad Tcnica de Dortmund, en IT Produktion y Logistik. Estudi y Direccin de Empresas en la Universidad de Budapest de tecnologa y economa y se gradu con una tesis sobre el apoyo a la innovacin de mecanismos. Su enfoque de la investigacin es favorable al medio ambiente las cadenas de suministro. Su direccin de correo electrnico es adrienn.horvarth @ tu-dortmund.de. HASTA FECHTELER es gerente de la sucursal en SimPlan AG, Braunschweig, Alemania, trabajando principalmente como consultor senior y gerente de proyectos en proyectos de simulacin. Desde 1997, ha participado en ms de 100 proyectos de simulacin para varias industrias. Su direccin de correo electrnico es till.fechteler @ simplan.de.

INTERPRETACIN
El paper se enfoca las posibles soluciones al problema del continuo crecimiento de emisiones de CO2 y el consumo de energa ya que es una de las principales causas de gases de efecto invernadero y en consecuencia del cambio climtico. Se muestran mtodos de simulacin que sirven para aumentar la flexibilidad, ya que esta es la que da capacidad a los suministros de cadenas de reaccionar a los cambios (cambios tecnolgicos, poltica y la incertidumbre de un constante cambio de la economa) . Para entender bien de lo que se habla, se definen los conceptos principales: cadena de suministro verde y flexibilidad. Las definiciones de cadena de suministro fueron evolucionando durante el tiempo, por lo que an no tiene una definicin estandarizada todava, la primera de ellas fue como las prcticas de supervisin y mejora al desempeo ambiental de las cadenas de suministro. A lo largo del tiempo se han realizado distintas actividades en relacin al apoyo de la proteccin del medio ambiente, en las cuales se seala que la cuestin verde se centra en la minimizacin o eliminacin de slidos, la energa, las emisiones, productos qumicos o residuos peligrosos por parte de los proveedores de materiales. Todo esto es para finalmente centrarse en la proteccin del clima y el tipo de actividades que reducen las emisiones de carbono y por lo tanto disminuir la energa utilizada dentro de los suministros de cadenas. Para el anlisis de los datos se ha elegido la valoracin del ciclo de vida (ACV), la cual es una tcnica muy efectiva ya que utiliza informacin precisa y relevante de como el medio ambiente de los suministro de cadenas se encuentra en un punto de tiempo especfico, entre otras caractersticas. Mientras que la flexibilidad es uno de los requisitos ms importantes de las SC modernos, ya que facilita la respuesta a retos de cambios como se mencion anteriormente. Existen factores internos y externos que influyen en la flexibilidad. Los factores internos los que al menos en un principio estn bajo el control de la organizacin (ejemplo: inversin en camiones ms rpidos para el transporte). Los externos son lo contrario, en los cuales los participantes de la SC no pueden influir sobre ellos (ejemplo: normas ambientales). Los proyectos de simulacin de cadenas de suministro a menudo forman parte de una iniciativa estratgica para una empresa o por lo menos de una unidad de negocio de la compaa, por lo tanto los objetivos son estratgicos.