Dissertação

{en_GB=Modelling Uncertainty in the Design and Planning of Sustainable Supply Chains} {} EVALUATED

{pt=A gestão de cadeias de abastecimento acarreta diversos desafios, como a falta de confiança na tomada de decisão, dado que questões como a previsão da procura são afetadas por incerteza. Por outro lado, a crescente necessidade de considerar a sustentabilidade tem levado a uma mudança gradual na gestão de cadeias de abastecimento, onde questões económicas, ambientais e sociais têm sido incorporadas, levando a cadeias de abastecimento cada vez mais complexas. Diversos métodos de otimização têm sido abordados para a modelação de incerteza nas cadeias de abastecimento, como as programações estocástica e fuzzy, e a otimização robusta. A modelação de incerteza no projeto de cadeias de abastecimento tem recebido atenção considerável. Contudo, em casos de cadeias de abastecimento sustentáveis, é notória a insuficiência de estudos baseados em métodos de otimização mais rigorosos e sofisticados, como as otimizações dinâmica e híbrida. A presente dissertação foca-se na modelação de incerteza no projeto e planeamento de cadeias de abastecimento sustentáveis, com a formulação de um modelo estocástico dinâmico considerando diversos parâmetros incertos, como: procura, oferta, taxa de retorno de produtos em fim de ciclo de vida, e custos de construção e de transporte. Deste modo, o problema em estudo é definido, e a discussão dos métodos de otimização utilizados na modelação de incerteza, bem como uma revisão da literatura que identifica os avanços na área são apresentadas. As metodologias a aplicar são discutidas, e o modelo desenvolvido e validado num caso de estudo representativo ao Grupo Calzedonia. Finalmente, considerações e recomendações finais são fornecidas., en=The classical form of supply chain management, on its own, faces several challenges. Decision-makers, for instance, often struggle with the level of confidence in their judgements, since several key aspects are highly affected by uncertain aspects. This, together with the recent need to consider sustainability purposes in supply chain management, have greatly increased the complexity and robustness of the network’s management. As a response, several optimization methods have been studied in the literature as suitable to the modelling of uncertainty in the supply chain network design, being stochastic programming, fuzzy programming, and robust optimization some common approaches. Uncertainty concerns in the design of supply chain networks have been fairly acknowledged in the literature. Notwithstanding, research concerning sustainable supply chain design under uncertainty often lack more rigorous and sophisticated methods, namely, dynamic optimization and hybrid optimization approaches. Accordingly, the present dissertation focuses on the design and planning of sustainable supply chains under uncertainty, by providing a stochastic dynamic mathematical model formulation for several uncertain parameters, namely: demand, supply, products’ rate of return, and construction and transportation costs. Henceforth, the work begins by presenting the problem in study. Afterwards, the most common approaches used to model uncertainty are identified and described, followed by a thorough literature review whose purpose is to identify the relevant work being developed. Extensive considerations concerning the methodologies to apply are carefully discussed, followed by the stochastic dynamic mathematical model. The model validation is provided by accounting the representative case-study of Calzedonia Group, and final recommendations are stated.}
{pt=Cadeias de abastecimento, Sustentabilidade, Incerteza, Otimização estocástica, Otimização dinâmica, Grupo Calzedonia, en=Supply chain, Sustainability, Uncertainty, Stochastic optimization, Dynamic optimization, Calzedonia Group}

Janeiro 28, 2021, 10:0

Orientação

ORIENTADOR

Bruna Alexandra Elias Mota

Departamento de Engenharia e Gestão (DEG)

Professor Auxiliar Convidado

ORIENTADOR

Ana Paula Ferreira Dias Barbosa Póvoa

Departamento de Engenharia e Gestão (DEG)

Professor Catedrático