UNIONE EUROPEA
REGIONE CALABRIA
REPUBBLICA ITALIANA
Assessorato Istruzione, Alta Formazione e Ricerca
Ministero dell’Istruzione, Università e Ricerca Ministero dello Sviluppo Economico
Innovazione tecnologica, ricerca e servizi per il marketing dei prodotti agroalimentari tipici/di qualità e per la valorizzazione dei luoghi produttivi. AGROMATER-LAB LAB Calabria WP3: Modelli e strumenti per la logistica distributiva.
Rapporto suii metodi etodi quantitativi per la logistica agroalimentare
Gruppo di Lavoro: Prof. R. Musmanno, Ing. D. Laganà, Ing. O. Pisacane, Ing. F. Santoro,, Ing. A. Violi, Dott. I. Cosentino.
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
Sommario Introduzione ....................................................................................................................................... 2 1.
Metodologie nella Pianificazione della supply chain ................................................................. 4
2.
Modelli di pianificazione per prodotti non deperibili ............................................................ 5 2.1
Modelli per la pianificazione strategica ............................................................................. 5
2.2
Modelli per la pianificazione tattica................................................................................... 6
2.3
Modelli per la pianificazione operativa .............................................................................. 6
3. Decisioni di pianificazione per la supply chain per prodotti non deperibili ................................... 8 3.1 Modelli per la produzione ........................................................................................................ 8 3.2 Modelli per la produzione e la distribuzione ............................................................................ 8 4. Modelli di pianificazione per prodotti deperibili ......................................................................... 10 4.1 Modelli per la pianificazione strategica ................................................................................. 10 4.2 Modelli per la pianificazione tattica....................................................................................... 10 4.3 Modelli per la pianificazione operativa .................................................................................. 11 5. Decisioni di pianificazione per la supply chain per prodotti deperibili ........................................ 12 5.1 Modelli per la produzione ...................................................................................................... 12 5.2 Modelli per la produzione/distribuzione ................................................................................ 12 5.3 Modelli per la raccolta ........................................................................................................... 13 6. Conclusioni ................................................................................................................................... 14 Bibliografia ....................................................................................................................................... 16
Aggiornamento al 31/03/2011 1
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
Introduzione Il settore agroalimentare costituisce un ambito molto importante anche nelle economie moderne, arrivando per esempio a rappresentare negli anni 2000 circa il 9% del prodotto interno lordo degli Stati Uniti ([Kin01]). Inoltre, il segmento dei cibi “freschi” sta acquisendo una sempre maggiore fetta di mercato, arrivando a raggiungere circa un quarto della spesa alimentare in USA ([EE99]). La crescente domanda di prodotti freschi e la richiesta di disponibilità tutto l’anno spinge da tempo verso l’adozione di modelli di supply chain sempre più efficaci e capaci di tener conto di tutta una serie di aspetti nuovi. Occorre anche evidenziare come la struttura dei mercati agroalimentari e di conseguenza la supply chain non siano statiche, ma soggette a continue trasformazioni. Ad esempio, il profilo dell’operatore tipico sta cambiando da azienda di piccole dimensioni a conduzione prevalentemente familiare a imprese più grandi capaci di occuparsi efficacemente di più fasi della catena di fornitura dei prodotti. Il termine supply chain agroalimentare (ASC) è stato coniato per descrivere le attività che vanno dalla produzione alla distribuzione dei prodotti agroalimentari. L’ASC, come ogni altra supply chain, è una rete di operatori e organizzazioni che lavorano assieme in differenti processi e attività, tutte finalizzate al soddisfacimento dei bisogni degli utenti finali. Il settore agroalimentare è in più caratterizzato da alcuni elementi particolarmente critici, come la necessità di distribuire prodotti freschi e di alta qualità, dall’impatto delle condizioni meteorologiche sulle fasi della catena, dall’elevata variabilità dei prezzi e della domanda. Tutti questi fattori rendono la supply chain agroalimentare molto più complessa e difficile da gestire. Benché numerosi progressi siano stati compiuti nell’ambito delle supply chain in altri contesti applicativi, la loro implementazione dell’ambito della ASC non è così immediata, a causa dei lunghi lead time e dell’incertezza che caratterizza la domanda. Ancor più complesso è il caso dei prodotti freschi, per cui i produttori si trovano ad affrontare maggiori incognite di mercato ed una minore durata. Per tale motivo appare essenziale definire dei modelli organizzativi e strategici ad hoc per il settore agroalimentare, tali da includere aspetti cruciali quali le politiche di raccolta, i canali di marketing, le attività logistiche e il risk management. Nell’organizzare la review dei principali contributi proposti in letteratura per le diverse fasi della ASC terremo conto di alcuni aspetti caratterizzanti: • •
deperibilità dei prodotti; livello di decisione/pianificazione (strategico, tattico, operativo), sulla base dei loro effetti sulla supply chain complessiva ([SL03], [CM03]);
Aggiornamento al 31/03/2011 2
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
•
modalità di rappresentazione dell’incertezza (deterministico, stocastico) e di formulazione dei modelli matematici (programmazione lineare, dinamica, stocastica).
L’idea di questa studio è quella di analizzare contributi scientifici che si riferiscano a singoli operatori o gruppi di questi, non a pianificazioni a livello macroeconomico per intere regioni o stati.
Aggiornamento al 31/03/2011 3
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
1. Metodologie nella Pianificazione della supply chain La pianificazione della supply chain comprende ad alto livello tre processi decisionali principali: la pianificazione della produzione, il controllo delle scorte e la distribuzione ([Bea98]). Queste aree giocano un ruolo cruciale nella definizione di strumenti di supporto alle decisioni, sia commerciali che specifici per le singole realtà. Nonostante il fatto che nella maggior parte dei casi i processi decisionali sono stati modellati indipendentemente, è ampiamente riconosciuto che sia opportuno rappresentarli in maniera congiunta per ottenere migliori performance complessive ([CF94]). Da un punto di vista modellistico, i modelli per la pianificazione della supply chain possono essere classificati in deterministici e stocastici, sulla base della conoscenza dei parametri coinvolti ([MZ02]). Questa classificazione può essere ulteriormente raffinata sulla base delle metodologie matematiche utilizzate per la loro risoluzione. In quei casi in cui tutti i parametri sono noti o assunti tali, le tecniche utilizzate sono la Programmazione Lineare (LP), la Programmazione Dinamica (DP), la Programmazione Mixed Integer (MIP) e la Goal Programming (GP). Se invece i parametri sono considerati aleatori le metodologie utilizzate sono la Programmazione Stocastica (SP), la Programmazione Dinamica Stocastica (SDP), la Simulazione (SIM) e la Risk Programming (RP).
Aggiornamento al 31/03/2011 4
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
2. Modelli di pianificazione per prodotti non deperibili In questa sezione verranno riportati alcuni tra i contributi più significativi proposti per la pianificazione della supply chain per prodotti non deperibili. I lavori saranno presentati secondo il livello di decisione cui si riferiscono. Tra le metodologie per la formalizzazione dei modelli utilizzate, il maggior numero di contributi si rifà alla LP, soprattutto in virtù della semplicità di utilizzo e flessibilità nel rappresentare diversi tipi di decisione. Tuttavia, l’elevato livello di incertezza che caratterizza la stima di parametri come i rendimenti e i profitti molto spesso rende inefficaci modelli di tale semplicità. In alcuni casi, per tener conto di tale incertezza sono state proposte delle formulazioni che tengono conto dell’avversione al rischio attraverso opportune strutture della funzione obiettivo (Risk Programming), come ad esempio approcci mean-risk o funzioni di utilità. In alternativa, sempre per tener conto in maniera efficace dell’incertezza, sono stati proposti modelli di Programmazione Stocastica, in alcuni casi anche con approcci dinamici.
2.1 Modelli per la pianificazione strategica I contributi riconducibili a questa classe spaziano tra diverse tipologie di decisioni, dalla selezione delle attrezzature e delle tecnologie, alla pianificazione finanziaria e alla progettazione di reti di fornitura. In termini di funzione obiettivo, i modelli proposti hanno come funzione obiettivo la massimizzazione dei profitti o di funzioni di utilità e la minimizzazione dei costi. Il lavoro di Ekman ([Ekm00]) propone un modello di pianificazione strategica per la selezione delle tecnologie da adottare, basato sulla Programmazione Stocastica. L’obiettivo del modello consiste nella determinazione del mix ottimale di attrezzature e lo scheduling delle coltivazioni per la massimizzazione dei ricavi, mediante una rappresentazione dell’incertezza attraverso distribuzioni di probabilità discrete. Dai test si evince che i modelli deterministici tendono a sottostimare i requisiti di capacità nei periodi con condizioni atmosferiche avverse. Il contributo [TF88] presenta un modello di LP per la selezione del mix ottimale di coltivazioni avente l’obiettivo di massimizzare i ricavi penalizzando i rendimenti negativi sotto forma di mean absolute deviation. L’articolo propone anche una frontiera efficiente con differenti combinazioni di coltivazioni sulla base del livello di avversione al rischio del decision maker. Stoeker et al. ([SSL85]) hanno proposto un modello per la valutazione dei benefici economici legati a sistemi di irrigazione. Il contributo propone un problema di LP per il Aggiornamento al 31/03/2011 5
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
mix di coltivazioni a breve termine e un approccio DP che definisce pianificazioni di coltivazioni a lungo termine che tengono conto degli effetti delle decisioni anno per anno. L’obiettivo del modello è la massimizzazione del net present value dei ricavi multi periodali. Le variabili includono decisioni come la produzione per coltivazione, lo sviluppo dell’area per irrigazione l’allocazione delle risorse d’acqua.
2.2 Modelli per la pianificazione tattica I modelli tattici trattano decisioni di medio termine nella pianificazione agroalimentare, come la pianificazione delle coltivazioni, la raccolta, l’allocazione delle risorse d’acqua e così via. Le funzioni obiettivo dei modelli utilizzati includono tradizionali obiettivi monodimensionali, come la massimizzazione dei profitti, la minimizzazione dei costi e la massimizzazione della produzione. In altri casi, le funzioni obiettivo includono la riduzione dei rischi, l’hedging degli investimenti o criteri multi obiettivo. Jiao et al. ([JHP05]) hanno proposto un modello per lo scheduling della raccolta per un set di campi di canna da zucchero. La formulazione lineare mira a determinare la quantità da raccogliere lungo la stagione per massimizzare la quantità di zucchero complessiva. Il modello si integra con un’analisi statistica per la previsione del contenuto di zucchero nella coltivazione. Un secondo esempio di modello tattico è quello proposto in [MSR02]. Il contributo supporta l’agricoltore nelle decisioni relative alla produzione, al consumo, alla vendita, all’immagazzinamento ed alla vendita dei raccolti. La formulazione utilizzata appartiene alla classe di problemi di SP a due stadi, con le decisioni di primo stadio relative a quanto produrre dato una certa quantità di pioggia osservata mentre quelle di secondo stadio (dopo la raccolta) si riferiscono al consumo, alle scorte e alla vendita. L’obiettivo principale è la minimizzazione della mancanza di cibo per l’agricoltore. Il contributo ha avuto efficace applicazione in contesti poco sviluppati come il Burkina Faso.
2.3 Modelli per la pianificazione operativa La quantità di contributi relativi a pianificazioni operative è piuttosto limitata, perché per i prodotti non deperibili sono le decisioni di tipo tattico ad assumere una maggiore rilevanza. Un gran numero di modelli proposti si riferiscono alla pianificazione dei raccolti, alla preparazione dei terreni e all’allocazione delle riserve d’acqua. Il contributo di Recio et al. ([RRC03]) è un esempio di modello che include decisioni tattiche e operative. Una formulazione MIP è inclusa in un sistema di supporto alle
Aggiornamento al 31/03/2011 6
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
decisioni per tutta una serie di attività come la selezione delle coltivazioni, lo scheduling delle operazioni sui terreni, l’analisi degli investimenti, l’analisi dei macchinari e altri aspetti del processo di produzione. L’obiettivo è la minimizzazione dei costi relativi alla stagione del raccolto. Il secondo esempio è un modello che tratta esclusivamente decisioni operative ([Hig02]), relative alle operazioni di raccolta. L’obiettivo è la minimizzazione dei costi nel rispetto di vincoli relativi alla domanda. Il modello presenta due punti cruciali, come raccogliere efficientemente e come ridurre i costi operativi.
Aggiornamento al 31/03/2011 7
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
3. Decisioni di pianificazione per la supply chain per prodotti non deperibili Un’ulteriore articolazione dei contributi proposti in letteratura è possibile sulla base delle attività proprie della supply chain cui si riferiscono.
3.1 Modelli per la produzione I contributi legati alla produzione sono molteplici. Di solito le decisioni relative alla produzione sono prevalentemente legate al timing ed all’ammontare di coltivazione per ogni tipologia, così come la rotazione delle semine su vari periodi. Molti dei modelli proposti sono formulati nell’ottica del singolo attore della supply chain, e non si riferiscono a più di una fase della stessa. In [DPH92] gli autori propongono un modello basato sulla LP per la valutazione di opportunità di coltivazione alternative. Il modello include la semina, la raccolta, il processamento e l’immagazzinamento dei prodotti, con l’obiettivo di massimizzare i ricavi sotto vincoli di varia natura, dalla risorse limitate fino a restrizioni di tipo normativo. Un altro esempio si deve a Schillizzi e Kingwell ([SK99]), che hanno investigato sull’impatto dell’incertezza dei prezzi e dei rendimenti sulle decisioni di raccolto, attraverso un modello di SP. L’obiettivo è la massimizzazione dell’utilità attesa per i contadini. Il modello include variabili di decisione come la rotazione dei raccolti, la loro selezione e l’allocazione delle terre, che tengono conto di vincoli legati al tipo di suolo, alle coltivazioni disponibili, all’attitudine al rischio del contadino e alle previsioni del tempo.
3.2 Modelli per la produzione e la distribuzione La rappresentazione indipendente di diverse fasi della supply chain è legata molto spesso alla complessità di sviluppare soluzioni integrate e coordinate, anche se i vantaggi derivanti dalla loro definizione ed implementazione sarebbero ovviamente notevoli. In ambito agroalimentare gli esempi di approcci integrati ai problemi di produzione e distribuzione sono veramente esigui. Un esempio di modello integrato si deve a Apaiah e Hendrix ([AH05]), che propongono un modello a rete per la coltura, la raccolta, il trasporto e il processamento di prodotti a base di piselli. La supply chain è articolata in tre fasi distinte collegate alla fase di trasporto attraverso diverse modalità. L’obiettivo è la minimizzazione dei costi complessivi della
Aggiornamento al 31/03/2011 8
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
catena (produzione e trasporto). La formulazione è di tipo LP che fornisce la quantità di piselli da produrre in ogni area, la quantità da trasportare alle piantagioni ed ai centri di lavorazione e la quantità da processare in ogni centro.
Aggiornamento al 31/03/2011 9
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
4. Modelli di pianificazione per prodotti deperibili
4.1 Modelli per la pianificazione strategica I modelli strategici per la supply chain di prodotti deperibili coprono diverse tipologie di decisioni, come la progettazione della rete, la pianificazione finanziaria, la selezione delle tecnologie. La maggior parte dei modelli ha funzione obiettivo relativa o alla massimizzazione dei profitti/ricavi o la minimizzazione dei costi. In [AS04] gli autori propongono un modello per il calcolo della capacità e il tasso di raccolta richiesto per la produzione di uva, avente come obiettivo la minimizzazione delle perdite nei raccolti provocate da avverse condizioni atmosferiche e la minimizzazione di sovrainvestimenti per eccesso di capacità. Il modello utilizza la NLP per ridurre il rischio legato all’incertezza atmosferica. Alcuni contributi includono anche decisioni di natura più prettamente tattica. In [BIR00] è stato proposto un modello per la valutazione di tecnologie alternative. L’obiettivo del modello è la selezione della soluzione che garantisca il migliore tradeoff tra obiettivi economici e ambientali. Gli autori presentano anche un caso di studio che prevede l’utilizzo della programmazione multi obiettivo per la massimizzazione del margine lordo e la minimizzazione dell’uso di pesticidi e fertilizzanti. Le decisioni strategiche si riferiscono alle metodologie di coltivazione e quelle tattiche alla selezione delle rotazioni delle coltivazioni.
4.2 Modelli per la pianificazione tattica I modelli per la pianificazione tattica sono nettamente più diffusi per i prodotti deperibili. Tra le decisioni incluse troviamo lo scheduling dei raccolti, la pianificazione della raccolta e la capacità di lavorazione. Un esempio degno di nota si deve a Caixeta-Filho et al. ([CF02]), che hanno proposto un modello per la produzione floreale in Brasile. La principale variabile di decisione è il numero di fiori da produrre in ogni serra per ogni periodo di tempo del periodo di pianificazione. Il modello include anche decisioni sull’impianto e la raccolta in diversi periodi dell’anno al fine di soddisfare la richiesta massimizzando i ricavi. Un’altra applicazione di natura tattica per la produzione in serra è [SHS91], in cui è stato formulato un modello per la pianificazione della produzione di coltivazioni in vaso. L’approccio considera due distinte pianificazioni, una per la produzione futura ed una per
Aggiornamento al 31/03/2011 10
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
la transizione dallo stato attuale a quello futuro, attraverso una formulazione LP. Il modello applicato in un contesto reale ha generato benefici per oltre il 10% in termini di profitti netti.
4.3 Modelli per la pianificazione operativa I modelli proposti per la pianificazione di breve termine di natura più prettamente operativa considerano prevalentemente decisioni legate alla raccolta, lo scheduling delle attività, l’immagazzinamento e il confezionamento. Rispetto al caso dei prodotti non deperibili, si registra una maggiore attenzione in metodologie a supporto delle decisioni operative relativamente ai prodotti freschi, vista soprattutto la rilevanza di questa tipologia di decisioni per i beni deperibili. Miller et al. ([MLA97]) hanno sviluppato due modelli per la raccolta e il confezionamento di pomodori freschi, uno che utilizza la LP ed uno che aggiunge vincoli propri della logica fuzzy, che considerano come decisioni le quantità da raccogliere e le scorte con l’obiettivo di minimizzare i costi complessivi. Un secondo esempio si deve a Annevelink ([Ann92]), che tratta lo scheduling di produzione per una serra di coltivazioni in vaso. Il modello trae informazioni da una pianificazione tattica del mix di colture e sviluppa un piano operativo per l’allocazione spaziale dei vasi in ciascun periodo di produzione. L’obiettivo è quello di minimizzare i costi ed incrementare l’utilizzo della serra. Il modello è risolto in maniera iterativa risolvendo formulazioni tattiche e operative per mezzo di procedure euristiche.
Aggiornamento al 31/03/2011 11
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
5. Decisioni di pianificazione per la supply chain per prodotti deperibili
5.1 Modelli per la produzione La maggior parte dei contributi proposti si occupa di problemi legati alla produzione. In particolare, molto diffusi sono i modelli che si occupano della produzione in serre. Le decisioni relative alla produzione riguardano l’ammontare, il mix e il timing delle varie coltivazioni e lo scheduling delle risorse. Kazaz ([Kaz04]) ha presentato un modello SP per un’azienda turca produttrice di olio d’oliva, che ha la possibilità o di prendere in affitto gli alberi per produrre le olive oppure di acquistarle sul mercato (ad un prezzo più alto). Il modello considera due stadi le cui decisioni dipendono dalla distribuzione stocastica della domanda e dall’incerto rendimento degli alberi. L’obiettivo del modello consiste nella massimizzazione del profitto atteso, legato alla domanda ed al prezzo di vendita dell’olio. In [vB93] l’autore presenta un modello per la pianificazione e il coordinamento della produzione e fornitura di materiali grezzi dal campo all’impianto di processamento. Il coordinamento è assicurato da un modello goal programming che soddisfa vari obiettivi conflittuali, come la minimizzazione del costo di semina, l’ottimizzazione dell’utilizzo dell’impianto di processamento e l’incontro con i livelli di domanda.
5.2 Modelli per la produzione/distribuzione Il numero di contributi proposti per l’insieme della produzione e della distribuzione di prodotti deperibili è veramente esiguo, e senza prova di applicazione in contesti reali. Questa tendenza dovrebbe cambiare una volta che i vantaggi derivanti dall’inclusione di aspetti fondamentali come il tempo di vita dei prodotti siano evidenti agli operatori del settore. Rantala ([Ran04]) ha proposto un modello MIP per la progettazione di piani integrati per la produzione e la distribuzione di piantine in un vivaio finlandese. Alcune decisioni comprendono il numero totale di piantine da produrre e trasportare dal vivaio ai magazzini termici o direttamente ai clienti. Il modello include vincoli di capacità e decisioni ad essi legate ed ha come obiettivo la minimizzazione del costo totale di produzione e trasporto. Aleotti et al. ([AAY97]) hanno proposto un altro esempio di modelli integrati per la produzione e distribuzione. La formulazione MIP proposta mira alla selezione del migliore piano per il trattamento post-raccolta fino al mercato finale. Il proposito è la
Aggiornamento al 31/03/2011 12
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
massimizzazione dei benefici legati all’investimento in strutture per preservare i prodotti in condizioni di incertezza per la produzione e la domanda. L’incertezza è rappresentata tramite un modello SP che utilizza un set di scenari di mercato e di rendimento delle coltivazioni, mentre l’obiettivo consiste nella massimizzazione del profitto atteso.
5.3 Modelli per la raccolta I modelli proposti per la raccolta dei prodotti si riferiscono alla quantità da raccogliere in ogni periodo, come trasportare i prodotti raccolti, come allocare le attrezzature per il trasporto e lo scheduling delle attività di confezionamento e trasporto. Il lavoro di Ferrer et al. ([FMC08]) presenta un modello MIP per lo scheduling ottimo delle operazioni di raccolta di uva da vino. La formulazione considera i costi per le attività di raccolta e le perdite legate a ritardi nella raccolta stessa. Le decisioni includono l’ammontare di uva da raccogliere da differenti aree per ogni periodo, la rotazione della raccolta tra gli appezzamenti e il numeri di lavoratori da impiegare. Un contributo importante del modello è la rappresentazione delle perdite in termini di qualità nella funzione obiettivo. Un secondo esempio si deve a Caixeta-Filho ([CF06]) che propone una formulazione LP che lega restrizioni di natura chimica, biologica e logistica alla qualità dei frutti da raccogliere. Il modello considera due potenziali obiettivi, la massimizzazione del numero di cassette di frutta prodotte e la massimizzazione dei ricavi totali. Le decisioni sono relative all’ammontare mensile da raccogliere dal frutteto.
Aggiornamento al 31/03/2011 13
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
6. Conclusioni Dall’analisi dei contributi proposti in letteratura e riportati in questo lavoro è possibile trarre alcune considerazioni. La prima è che l’utilizzo di modelli di pianificazione integrati per la supply chain in ambito agroalimentare è assai limitato. Ciò nonostante sia ampiamente riconosciuto che questi modelli potrebbero essere molto utili in questo contesto, e in particolare per i prodotti deperibili. Anche se i modelli integrati sono ben più complessi di quelli relativi ad una sola fase della catena logistica, è anche vero che i vantaggi ad essi connessi sono di gran lunga superiori. Ciò è particolarmente vero nella pianificazione delle attività di produzione e distribuzione per aziende di dimensioni medio-grandi ([Boe99]). Una seconda considerazione è che i modelli per prodotti deperibili molto raramente includono la stocasticità dei parametri e la durata di conservazione nelle varie fasi della supply chain. Il motivo principale è la complessità per la risoluzione dei modelli risultanti. Nei pochi casi in cui incertezza dei parametri è stata esplicitamente inclusa nel processo di decisione, i vantaggi registrati hanno giustificato l’incremento di complessità ([JLT03], [AS04]). Per quanto riguarda la durata di conservazione, questa rimane una questione aperta ancora non affrontata efficacemente: la mancanza di una esplicita rappresentazione costituisce un forte limite all’efficace utilizzo di modelli di supporto decisionale per i prodotti deperibili. Altra aspetto evidente è la carenza di modelli relativi alla pianificazione operativa, ancor più evidente nel caso di approcci a più fasi della catena logistica. Anche in questo caso, visti i margini ridotti con cui operano le aziende agroalimentari, l’utilizzo di modelli operativi efficaci può fare la differenza tra il successo e l’insuccesso delle attività. Ancora una volta questa tendenza è accentuata per i prodotti deperibili, a causa dell’impatto che la vita residua dei prodotti stessi ha sulle decisioni di raccolta e trasporto. Lo stesso motivo è alla base del fatto che l’attenzione della letteratura scientifica è principalmente rivolta ai prodotti non deperibili, anche se il trend sembra stia cambiando negli ultimi anni. Ciò grazie alla crescente importanza dei mercati di alimenti freschi in un panorama molto dinamico e assai soggetto a tendenze dettate da vari fattori. È opportuno evidenziare come la letteratura relativa a contributi per la supply chain agroalimentare sia molto più ridotta rispetto a quella relativa alla supply chain in contesti più tradizionali come quello industriale. Le ricerche condotte in questo ambito sono più avanzate e attualmente rivolte alla definizione di reti di supply chain su mercati locali ed internazionali, al coordinamento delle attività, alla definizione delle operazioni di trasporto e allo sviluppo di sistemi informativi avanzati. In particolare, il coordinamento delle attività compiuto con l’obiettivo di consentire i massimi benefici a tutti gli attori della catena risulta di particolare interesse.
Aggiornamento al 31/03/2011 14
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
Alla luce di tutte le considerazioni esposte, è possibile individuare quelle che sono le principali necessità in termini di approcci decisionali nell’ambito agroalimentare. Innanzitutto, una maggiore integrazione tra le fasi della catena logistica che favorisca le economie di scala, il posizionamento strategico e la gestione dei rischi. In secondo luogo, tutta una serie di nuovi fattori, come la tracciabilità delle merci, la certificazione della qualità e la capacità di rispondere prontamente alle richieste dei mercati. Per far ciò, si intravedono due direzioni principali. Da un lato lo sviluppo di modelli capaci di gestire esplicitamente l’incertezza e i rischi che questa comporta, l’integrazione della catena logistica e la sicurezza e la qualità dei prodotti. In particolare, lo sviluppo di modelli stocastici a livello tattico per la produzione e la distribuzione può essere un contributo notevole. Inoltre, è chiara l’esigenza di strumenti di supporto decisionale a livello operativo per la gestione della produzione e della distribuzione, soprattutto per quanto concerne i prodotti deperibili. Tali contributi potrebbero da un lato aiutare un settore cruciale per l’economia di un paese come quello agroalimentare e dall’altro produrre sensibili benefici anche ai consumatori finali.
Aggiornamento al 31/03/2011 15
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
Bibliografia [AAY97] L.O. Aleotti, R. Araujo, R. Yahya, selection of postharvest technology routes by mixed-integer linear programming, International Journal of Production Economics, vol. 49, pp. 85-90, 1997. [AS04] S.J. Allen, E.W. Schuster, Controlling the risk for an agricultural harvest, Manufacturing & Service Operations Management, vol. 6 (3), pp. 85-90, 2004. [Ann92] E. Annevelink, Operational planning in orticulture: optimal space al location in pot-plant nurseries using heuristic techniques, Journal of Agricultural Engineering Research, vol. 51, pp. 167-177, 1992. [AH05] R.K. Apaiah, E.M.T. Hendrix, Design of supply chain network for a pea-based novel protein foods, journal of Food Engineering, vol. 70, pp. 383-391, 2005. [Bea98] B.M. Beamon, Supply chain design and analysis: models and methods, International Journal of Production economics, vol. 55, pp. 281-294, 1998. [BIR00] H.F.M. Berge ten, M.K. van Ittersum, W.A.H. Rossing, G.W.J. van de Ven, J. Schans, P.A.C.M. van de Sanden, Farming options for the Netherlands explored by multiobjective modeling, European Journal of Agronomy, vol. 13, pp. 263-277, 2000. [Boe99] M. Boehlje, Structural changes in the agricultural industries: how do we measure, analyze and understand them?, American Journal of Agricultural Economics, vol. 81 (5), pp. 108-141, 1999. [CF02] J.V. Caixeta-Filho, J.M. van Swaay-Neto, A.P. Wagemaker, Optimization of the production planning and trade of lily flowers at Jan de Wit Company, Interfaces, vol. 32 (1), pp. 35-46, 2002. [CF06] J.V. Caixeta-Filho, Orange harvesting scheduling management: a case study, Journal of the Operational Research Society, vol. 57 (6), pp. 637-642, 2006. [CF94] P. Chandra, M.L. Fisher, Coordination of production and distribution planning, European Journal of Operational Research, vol. 72, pp. 503-517, 1994. [CM03] S. Chopra, P. Meindl, Supply chain management; strategy, planning and operation, Pearson Education Inc., New Jersey, 2003. [DPH92] C.L. Dobbins, P.V. Preckel, Y. Han, D.H. Doster, An application of linear programming to planning crop systems, in Proceedings of fourth International Conference on computers in Agricultural Extension programs, January 28-31, Orlando, FL.
Aggiornamento al 31/03/2011 16
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
[Ekm00] S. Ekman, Tillage system selection: a mathematical programming model incorporating weather variability, Journal of Agricultural Engineering Research, vol. 77 (3), pp. 267-276, 2000. [EE99] J.E. Epperson, E.A. Estes, Fruit and vegetables supply chain management, innovations and competitiveness: cooperative regional research project S-222, Journal of Food Distribution, vol. 30, pp. 38-43, 1999. [FMC08] J.C. Ferre, A. MacCawley, S. Maturana, s. Toloza, J. Vera, an optimization approach for schedulino wine grape harvest operations, International Journal of Production Economics, vol. 112 (2), pp. 985-999, 2008. [Hig02] A.J. Higgins, Australian sugar mills optimize harvester roster to improve production. Interfaces, vol. 32 (3), pp. 15-26, 2002. [JHP05] Z. Jiao, A.J. Higgins, D.B. Prestwidge, An integrated statistical and optimization approach to increasing sugar production within a mill region, Computers and Electronics in Agriculture, vol. 48, pp. 170-181, 2005. [JLT03] P.C. Jones, T.J. Lowe, R. Traub, Managing the seed-corn supply chain at Sygenta, Interfaces, vol. 33 (1), pp. 80-90, 2003. [Kaz04] B. Kazaz, Production planning under yield and demand uncertainty with yielddependent cost and price, Manufacturing & Service Operations Management, vol. 6 (3), pp. 209-224, 2004. [Kin01] J.D. Kinsey, The new food economy: consumers, farms, pharms and science, American Journal of Agricultural Economics, vol. 83(5), pp. 1113-1130, 2001. [MSR02] A. Maatman, C. Schweigman, A. Ruijs, M.H. van der Vlerk, Modeling farmer’s response to uncertain rain fall in Burkina Faso: a stochastic programming approach, Operations Research, vol. 50 (3), pp. 399-414, 2002. [MLA97] W.A. Miller, L.C. Leung, T.M. Azhar, S. Sargent, Production planning for fresh tomato packing, International Journal of Production Economics, vol. 53, pp. 227238, 1997. [MZ02] H. Min, G. Zhou, Supply chain modeling: past, present and future, Computers & Industrial Engineering, vol. 43, pp. 231-249, 2002. [Ran04] J. Rantala, Optimizing the supply chain strategy of a multi-unit finish nursery, Silva fennica, vol. 38 (2), pp. 203-215, 2004. [RRC03] B. Recio, F. Rubio, J.A. Criado, A decision support system for farm planning using AgriSupport II, Decision Support Systems, vol. 36 (2), pp. 189-203, 2003.
Aggiornamento al 31/03/2011 17
Rapporto sui metodi quantitativi per la logistica agroalimentare: AGROMATER-WP3
[SHS91] A.P.H. Saedt, T.H.B. Hendriks, F.M. Smits, A transition planning method applied to in a decision support system for pot-plant nurseries, European Journal of Operations Research, vol. 52, pp. 142-154, 1991. [SK99] S.G.M. Schilizzi, R.S. Kingwell, Effects of climatic and price uncertainty on the value of legume crops in a Mediterranean-type environment, Agricultural Systems, vol. 60, pp. 55-69, 1999. [SL03] D. Simchi-Levi, Designing and managing the supply chain: concepts, strategies and case studies, McGraw-Hill, New York, 2003. [SSL85] A.L. Stoecker, A. Siedemann, G.S. Lloyd, A linear dynamic programming approach to irrigation system management with depleting groundwater, Management Science, vol. 31 (4), pp. 422- 430, 1985. [TF88] L.P. Tan, C.O. Fong, Determination of the crop mix of a rubber and oil palm plantation – a programming approach, European Journal of Operations Research, vol. 34, pp. 362-371, 1988. [vB93] M.J. van Berlo, A decision support tool for the vegetable processing industry; an integrative approach of market, industry and agriculture, Agricultural Systems, vol. 43, pp. 91-109, 1993.
Aggiornamento al 31/03/2011 18
