A case study on sample average approximation method for stochastic supply chain network design problem

Abstract

This study aims to solve a typical long-term strategic decision problem on supply chain network design with consideration to uncertain demands. Existing methods for these problems are either deterministic or limited in scale. We analyze the impact of uncertainty on demand based on actual large data from industrial companies. Deterministic equivalent model with nonanticipativity constraints, branch-and-fix coordination, sample average approximation (SAA) with Bayesian bootstrap, and Latin hypercube sampling were adopted to analyze stochastic demands. A computational study of supply chain network with front-ends in Europe and back-ends in Asia is presented to highlight the importance of stochastic factors in these problems and the efficiency of our proposed solution approach.

Keywords

supply chain network / stochastic demand / sampling average approximation / Bayesian bootstrap / Latin hypercube sampling

References

[1] Acar Y, Kadipasaoglu S, Schipperijn P (2010). A decision support framework for global supply chain modelling: An assessment of the impact of demand, supply and lead-time uncertainties on performance. International Journal of Production Research, 48(11): 3245–3268

[2] Alonso-Ayuso A, Escudero L F, Teresa Ortuño M (2003). BFC, a branchand-fix coordination algorithmic framework for solving some types of stochastic pure and mixed 0–1 programs. European Journal of Operational Research, 151(3): 503–519

[3] Altiparmak F, Gen M, Lin L, Paksoy T (2006). A genetic algorithm approach for multi-objective optimization of supply chain networks. Computers & Industrial Engineering, 51(1): 196–215

[4] Averbakh I, Berman O (1997). Minimax regret p-center location on a network with demand uncertainty. Location Science, 5(4): 247– 254

[5] Badri B A (1999). Combining the analytic hierarchy process and goal programming for global facility location-allocation problem. International Journal of Production Economics, 62(3): 237–248

[6] Ballou R H (2001). Unresolved issues in supply chain network design. Information Systems Frontiers, 3(4): 417–426

[7] Bender T, Hennes H, Kalcsics J, Melo T, Nickel S (2002). Location software and interface with gis and supply chain management. Applications and Theory, 233–274

[8] Canel C, Khumawala B M (1997). Multi-period international facilities location: An algorithm and application. International Journal of Production Research, 35(7): 1891–1910

[9] Chakravarty A K (2005). Global plant capacity and product allocation with pricing decisions. European Journal of Operational Research, 165(1): 157–181

[10] Christian S, Thomas P (2014). Supply chain integration and practical problems in semiconductor manufacturing. Research Gate

[11] Cordeau J F, Pasin F, Solomon M M (2006). An integrated model for logistics network design. Annals of Operations Research, 144(1): 59–82

[12] Dinesh (2010). Semiconductor industry planning process simplified.fied

[13] Erlebacher S J, Meller R D (2000). The interaction of location and inventory in designing distribution systems. IIE Transactions, 32(2): 155–166

[14] Eskigun E, Uzsoy R, Preckel P V, Beaujon G, Krishnan S, Tew J D (2005). Outbound supply chain network design with mode selection, lead times and capacitated vehicle distribution centers. European Journal of Operational Research, 165(1): 182–206

[15] Frank R (2002). Natural site selection for distribution center site selection. Operations and Fulfillment

[16] Geoffrion A M, Graves G W (1974). Multicommodity distribution system design by benders decomposition. Management Science, 20(5): 822–844

[17] Gregg S, Mulvey J, Wolpert J (1988). A stochastic planning system for siting and closing public service facilities. Environment & Planning A, 20(1): 83–98

[18] Guillén  G, Mele F, Bagajewicz M, Espuña A, Puigjaner L (2005). Multiobjective supply chain design under uncertainty. Chemical Engineering Science, 60(6): 1535–1553

[19] Kim S, Pasupathy R, Henderson S G (2015). A guide to sample average approximation. In: Handbook of Simulation Optimization. Springer, 207–243

[20] Klose A, Drexl A (2005). Facility location models for distribution system design. European Journal of Operational Research, 162(1): 4–29

[21] Kouvelis P, Rosenblatt M J (2002). A mathematical programming model for global supply chain management: Conceptual approach and managerial insights. In: Supply Chain Management: Models, Applications, and Research Directions. Springer, 245–277

[22] Kouvelis P, Yu G (2013). Robust discrete optimization and its applications. Springer Science & Business Media, 14

[23] Laval C, Feyhl M, Kakouros S (2005). Hewlett-packard combined or and expert knowledge to design its supply chains. Interfaces, 35(3): 238–247

[24] MirHassani S, Lucas C, Mitra G, Messina E, Poojari C A (2000). Computational solution of capacity planning models under uncertainty. Parallel Computing, 26(5): 511–538

[25] Owen S H, Daskin M S (1998). Strategic facility location: A review. European Journal of Operational Research, 111(3): 423–447

[26] Petridis K (2015). Optimal design of multi-echelon supply chain networks under normally distributed demand. Annals of Operations Research, 227(1): 63–91

[27] Rubin D B (1981). The bayesian bootstrap. Annals of Statistics, 9(1): 130–134

[28] Sabri E H, Beamon B M (2000). A multi-objective approach to simultaneous strategic and operational planning in supply chain design. Omega, 28(5): 581–598

[29] Shen Z J M, Qi L (2007). Incorporating inventory and routing costs in strategic location models. European Journal of Operational Research, 179(2): 372–389

[30] Stein M (1987). Large sample properties of simulations using latin hypercube sampling. Technometrics, 29(2): 143–151

[31] Sule D R (2001). Logistics of Facility Location and Allocation.America: CRC Press

[32] Tsiakis P, Shah N, Pantelides C C (2001). Design of multi-echelon supply chain networks under demand uncertainty. Industrial & Engineering Chemistry Research, 40(16): 3585–3604

[33] Wilhelm W, Liang D, Rao B, Warrier D, Zhu X, Bulusu S (2005). Design of international assembly systems and their supply chains under nafta. Transportation Research Part E, Logistics and Transportation Review, 41(6): 467–493

RIGHTS & PERMISSIONS

The Author(s) 2017. Published by Higher Education Press. This is an open access article under the CC BY license (http://creativecommons.org/licenses/by/4.0)