The Value of Flexibility in Robust Supply Chain Network Design
Notice bibliographique
Résumé
A supply chain network design problem (SCNDP) involves making long-term, irreversible strategic decisions whose cost efficiency depends on effectively leveraging flexibility and demand information. After analyzing the interaction of these factors, we propose five distinct policies for addressing the SCNDP. Starting with a localized production model where demand is satisfied locally, the study extends to scenarios where production capacity at one location serves other nodes (Policy II). Further flexibility is introduced by enabling capacity sharing among facilities with prearranged links (Policy III). Unlike these policies, which optimize capacities as proxies for production decisions prior to demand realization, Policies IV and V defer production decisions until demand is realized. The robustness and resilience of these policies are evaluated under varying levels of demand uncertainty and risks of supply disruptions. To provide actionable insights, we develop robust two-stage optimization frameworks for the proposed policies and design efficient methods to address varying uncertainty budgets for both supply and demand risks. Our results reveal that under demand uncertainty alone: (i) Capacity-sharing links among facilities yield the highest cost savings across all uncertainty budgets due to the pooling effect and significantly reduce shortage probability (Policy III), and (ii) production postponement offers only marginal benefits, highlighting the greater importance of upstream capacity-sharing over postponing production, particularly for moderate uncertainty budgets. Under simultaneous demand and supply risks, we demonstrate that (iii) capacity-sharing retains its value, while flexibility from production postponement deteriorates performance, favoring partially flexible networks with only capacity-sharing links over fully flexible ones with both sources of flexibility. To contextualize these findings, we apply the most effective policies to a real-world case study, quantifying their impact and providing design recommendations. Finally, we extend our models to an event-wise ambiguity set and demonstrate that by (iv) leveraging the supermodular structure of the second-stage problems, one can solve instances up to eight times larger.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».