<  Back to the Polytechnique Montréal portal

Predicting Hidden Links in Informal Palm Oil Supply Chains

Eva Terriault

Master's thesis (2022)

[img] Restricted to: Repository staff only until 17 July 2024
Terms of Use: All rights reserved
Show abstract
Hide abstract

Abstract

Child labour, working conditions, green practices and resilience are challenges that manufacturing companies need to address in their entire supply chain. Supply chain mapping is the ongoing process of gathering information about suppliers and companies who work or are involved in one’s supply chain. Particularly in the agrifood sector where supply chains have a very complex structure, supply chain mapping is both a crucial and challenging task. Furthermore, a growing interest for food traceability in recent years finds its roots in various food safety and health issues worldwide. In order to provide traceability throughout the entire supply chain, companies must, in the first place, gather relevant information from their suppliers. On top of that, they need to keep track of their products at every stage of production. Then, this information must be passed to the next link in the supply chain. While organizations usually monitor conditions in their first tier of suppliers, they struggle to map, yet alone trace, production on the lower tier, who operate in informal economies. Around 68% of the Asia-Pacific workforce is informal, which is equivalent to more than half of the global workforce [1]. Actors in informal economies communicate verbally or with handwritten contracts and transact in cash, leaving no digital trace which common supply chain mapping tools rely on. This study exemplifies a supply chain mapping and traceability system in the informal Indonesian palm oil supply chain. Data was obtained through mobile application usage from key players across the first mile of the supply chain: farmers, middle-men, loading ramps and mills. Starting with an incomplete transaction network, we propose a method to predict hidden links in informal supply chains. First, a supply chain mapping model is proposed, followed by a learning-based link prediction framework. 40% new links were discovered, bringing more visibility to the supply chain, especially on the farmer to middleman level. Second, a product traceability model is constructed with available data, and improved under a network flow optimization problem. This study reveals the hidden bottlenecks in the flow of information and the areas that need deeper exploration: sourcing of middlemen and destination of loading ramps. Finally, this study shows us that more users would be needed to discover more links, especially agents in mills. This should be the starting point for higher-tier companies – mills, refineries, and manufacturers in the case of palm oil – to act on previously hidden practices.

Résumé

Les entreprises manufacturières font face à des risques et enjeux touchant les droits de la personne, le travail des enfants, les pratiques de développement durable et la résilience dans l’ensemble de leur chaîne d’approvisionnement. En particulier dans le secteur agroalimentaire où les chaînes d’approvisionnement ont une structure extrêmement complexe, la cartographie de la chaîne d’approvisionnement est une tâche à la fois cruciale et difficile. Elle permet de connaître l’état de la chaîne d’approvisionnement qui comprend l’échange d’information et de produits entre les entreprises, les fournisseurs et les individus impliqués. En outre, la traçabilité des produits de la chaîne d’approvisionnement alimentaire a connu un intérêt croissant dans les dernières années, suite à divers problèmes de qualité et de sécurité alimentaire pour les consommateurs. Afin d’être en mesure de suivre et de tracer les produits tout au long de la chaîne d’approvisionnement, les exploitants du secteur alimentaire doivent conserver les informations pertinentes des fournisseurs et suivre tous les produits et leur transformation à toutes les étapes de la production. Alors que les organisations connaissent généralement les conditions des fournisseurs de premier rang, elles ont du mal à cartographier et à tracer la production du niveau inférieur, qui opère dans des économies informelles. Environ 68 % de la main-d’œuvre en Asie-Pacifique est informelle, ce qui équivaut à plus de la moitié de la main-d’œuvre mondiale [1]. Les acteurs des économies informelles communiquent verbalement ou avec des contrats manuscrits et effectuent des transactions en espèces, ne laissant aucune trace numérique sur laquelle s’appuie habituellement les outils de cartographie de chaînes d’approvisionnement. Cette étude illustre un système de cartographie et de traçabilité dans la chaîne d’approvisionnement informelle d’huile de palme en Indonésie. Les données ont été obtenues à partir d’une application mobile utilisée par les principaux acteurs des premières étapes de la chaîne d’approvisionnement : agriculteurs, transporteurs, rampes de chargement et usines. Nous proposons une méthode pour prédire les liens cachés dans les chaînes d’approvisionnement informelles à partir d’un réseau de transaction incomplet. Tout d’abord, un modèle de cartographie de la chaîne d’approvisionnement est proposé, suivi d’un modèle de prédiction des liens basé sur l’apprentissage, dévoilant 40 % de nouveaux liens. Cette visibilité accrue est particulièrement importante au niveau des relations entre l’agriculteur et les transporteurs. Deuxièmement, un modèle de traçabilité des produits est construit avec les données disponibles, et amélioré sous un problème d’optimisation des flux du réseau. Cette étude révèle les goulots d’étranglement cachés dans le flux d’informations : l’approvisionnement des transporteurs et la destination des rampes de chargement. Enfin, cette étude nous montre qu’il est nécessaire d’obtenir des données sur plus d’utilisateurs pour découvrir plus de liens, notamment au niveau des usines. Cela devrait être le point de départ pour les entreprises de niveau supérieur - usines, raffineries et fabricants dans le cas de l’huile de palme - pour agir sur des pratiques autrefois dissimulées.

Department: Department of Mathematics and Industrial Engineering
Program: Maîtrise recherche en génie industriel
Academic/Research Directors: Louis-Martin Rousseau and Yossiri Adulyasak
PolyPublie URL: https://publications.polymtl.ca/10756/
Institution: Polytechnique Montréal
Date Deposited: 17 Jul 2023 11:41
Last Modified: 13 Apr 2024 05:42
Cite in APA 7: Terriault, E. (2022). Predicting Hidden Links in Informal Palm Oil Supply Chains [Master's thesis, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/10756/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only

View Item View Item