Resilient Digital Supply Chain Twins Modelling: Simulation-based Analysis on the COVID-19 Pandemic Outbreak
Notice bibliographique
Résumé
Over the past few years, Supply Chains (SC) have expanded rapidly in terms of dimensions and complexity (e.g., globalization, outsourcing, etc.). Besides, numerous practitioners and researchers proposed models mainly focused on minimizing SC’s total cost. Consequently, the potential financial advantages of reduced stock levels and inventory buffers have made SCs more vulnerable to local and global Low-Frequency High-Impact disruption risks which have long-term destructive effects. For instance, the COVID-19 pandemic outbreak has severely disturbed SCs, especially for essential products, by a sharp increase in demand and raw material supply failure. During this challenging situation, the focus should be shifted from cost minimization to SC’s survival, maximizing demand satisfaction, and minimizing delivery time. Consequently, these emerging issues have put forth the need for greater emphasis to develop resilient supply chains. \nThis study presents a methodological SC simulation modelling framework that enables visualizing the SC and making quick decisions by SC managers in near real-time to ensure resiliency during the disruption. The solution approach is applied as a case study in Luxxeen Co., a Canadian manufacturer of green disposable products, i.e. Toilet Tissues, which is considered an essential product. \nFirst, we develop SC’s structural and behavioral conceptual model by customizing the SCOR reference model. Afterwards, we translate it to Discrete Event Simulation formalist and implement it using the “Arena simulation software” platform. Next, we design three COVID-19 pandemic outbreak disruption scenarios in suppliers, transportation networks, and retailers. Finally, three risk mitigation strategies (i.e., Multiple Sourcing, Changing Inventory Control Policy and Buffering) are suggested to ensure SC resiliency in terms of reliability and responsiveness performance metrics. Moreover, by conducting a comparison analysis using “Process Analyzer” and “Optquest” between these scenarios, the best set of actions are proposed for each disruption scenario.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».