Decision models for managing demand and supply uncertainties in supply networks

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
School of Science | Doctoral thesis (article-based) | Defence date: 2014-05-09
Checking the digitized thesis and permission for publishing
Instructions for the author
Date
2014
Major/Subject
Mcode
Degree programme
Language
en
Pages
34 + app. 97
Series
Aalto University publication series DOCTORAL DISSERTATIONS, 34/2014
Abstract
Companies can use mathematical models to improve their decisions under uncertainty. This Dissertation focuses on sourcing and supply management decisions under i) uncertain demand of products or components and ii) uncertain capability of suppliers to deliver high-quality materials and services. Modern planning systems help automatize and optimize decision making in these areas, but most these systems are not good at accounting for uncertainties. However, in many industries, the effective management of demand and supply uncertainties is an important source of competitive advantage. Thus, there is a need for decision models that help managers analyze the impacts of uncertainties.  The Dissertation develops methods based on stochastic optimization where both continuousand discrete (scenario-based) probability distributions are used to model demand and supplyuncertainties. Particular attention is given to the qualitative characteristics of distributionsand interdependencies between uncertainties. In addition, a static methodology for assessingdisruption risks in complex supply networks is presented.  The Dissertation illustrates how the neglect of uncertainties can lead to sub-optimal decisionrecommendations, and, on the other hand, how a decision maker can better utilize decisionmodels by modeling the relevant uncertainties appropriately. The theoretical part iscomplemented with experimental results which show that subjects have significant difficultiesin making simple procurement decisions in the presence of demand and supply uncertainties,and that decision support tools can significantly improve their decision making in this area.  The careful modeling of uncertainties yields robust decision recommendations that perform well in most or all uncertainty scenarios. By using the methodologies presented in Dissertation, managers can better manage the uncertainties in customer demand and suppliers' performance and material availability. This increases the competitiveness and capability to manage risks in an uncertain business environment.

Yritykset käyttävät matemaattisia päätösmalleja parantaakseen päätöksentekoa epävarmuuksien vallitessa. Tässä väitöskirjassa tarkastellaan toimittajasuhteiden johtamiseen ja hankintatoimeen liittyviä päätöksiä huomioiden epävarmuudet sekä tuotteiden ja palveluiden kysynnässä että tarjonnassa (esim. toimittajien toimitusvarmuudessa ja materiaalin laadussa). Hankintatoimen päätöksiä tehdään enenvissä määrin automaattisesti suunnittelu- järjestelmissä optimointiin perustuen. Tällaiset järjestelmät eivät kuitenkaan huomioi epävarmuuksia kattavasti. Monella teollisuudenalalla kysynnän ja tarjonnan epävarmuuksien hallinta antaa kilpailuetua, mikä luo tarvetta epävarmuuksien analysointiin perustuville päätösmalleille.  Väitöskirjassa kehitetään menetelmiä, jotka perustuvat stokastiseen optimointiin. Kysynnän ja tarjonnan epävarmuudet on näissä menetelmissä mallinnettu joko jatkuvia tai diskreettejä (skenaariopohjaisia) todennäköisyysjakaumia käyttäen. Erityisesti mallinnuksessa on kiinnitetty huomioita jakaumien kvalitatiivisiin ominaisuuksiin sekä useamman epävarman muuttujan välisiin riippuvuuksiin. Lisäksi väitöskirjassa esitetään myös todennäköisyyspohjainen menetelmä riskienhallintaan monimutkaisissa toimittajaverkostoissa.  Tulokset osoittavat, että toisaalta epävarmuuksien huomiotta jättäminen johtaa osaoptimaalisiin päätössuosituksiin ja toisaalta, että epävarmuuksien huolellinen mallintaminen tarjoaa hyvät edellytykset päätösmallien käyttämiselle. Teoriaosuutta täydennetään myös tuloksilla kokeesta, jossa yksinkertaisien hankintatoimeen liittyvien päätöksien todetaan olevan vaikeita koehenkilöille erityisesti silloin, kun sekä kysynnässä että tarjonnassa esiintyy epävarmuutta. Koeasetelmassa havaitaan myös, että päätöksenteon tukivälineillä voidaan huomattavasti parantaa hankintatoimen päätöksentekoa.  Epävarmuuksen huomiointi päätöksentekomalleissa johtaa päätössuosituksiin, jotka ovat hyviä suuressa osassa tai kaikissa epävarmuuksiin liittyvissä skenaarioissa. Käyttämällä väitöskirjassa esitettyjä menetelmiä, organisaatiot voivat paremmin hallita epävarmuuksia sekä asiakaskysynnässä että toimittajien kyvykkyydessä ja materiaalin saatavuudessa. Tämä lisää epävarmassa liiketoimintaympäristössä toimivan organisaation kilpailu- ja riskien- hallintakykyä.
Description
Supervising professor
Salo, Ahti, Prof., Aalto University, Department of Mathematics and Systems Analysis, Finland
Thesis advisor
Salo, Ahti, Prof., Aalto University, Department of Mathematics and Systems Analysis, Finland
Talluri, Srinivas, Prof., Michigan State University, USA
Keywords
stochastic optimization, demand and supply uncertainties, scenarios, copula functions, supply management, newsvendor model, risk management, stokastinen optimointi, kysyntä- ja toimitusepävarmuudet, skenaarioiden käyttö, copula-funktiot, toimitusten hallinta, newsvendor-malli, riskien hallinta
Other note
Parts
  • [Publication 1]: Kaki, A., Salo, A. and Talluri, S. (2013). Impact of the Shape of Demand Distribution in Decision Models for Operations Management. Computers in Industry, 64(7): 765–775.
  • [Publication 2]: Kaki, A., Liesio, J., Salo, A. and Talluri, S. (2013). Newsvendor Decisions under Supply Uncertainty. Manuscript, 33 pages.
  • [Publication 3]: Kaki, A., Salo, A. and Talluri, S. (2014). Scenario-Based Modeling of Interdependent Demand and Supply Uncertainties. IEEE Transactions on Engineering Management, 61(1): 101–113.
  • [Publication 4]: Kaki, A., Salo, A. and Talluri, S. (2013). Disruptions in Supply Networks: a Probabilistic Risk Assessment Approach. Manuscript, 36 pages.
Citation