식품 흐름 네트워크와 식품 공급망 매핑, 1부

식품 공급망은 식품의 생산, 유통, 중간 가공 및 소비를 통합하는 복잡한 시스템입니다. 식품 흐름 네트워크는 이러한 복잡한 공급망을 통한 식품의 이동을 나타냅니다. 식량 흐름 네트워크는 생산 위치, 인구 밀집 지역, 저장 및 운송 인프라와 같은 다양한 요소에 따라 달라집니다. 식량 흐름 네트워크에 대한 더 나은 이해를 돕기 위해 이 기사에서는 (1) 미국 내 식량 흐름에 대한 두 개의 국가 데이터베이스를 설명하고 (2) 미국 카운티 간의 식량 흐름을 추정하기 위한 연구를 소개합니다.

CFS(상품 흐름 조사)는 미국 기업의 국내 화물 운송의 주요 원천입니다. CFS는 정책 입안자와 교통 계획자가 교통 수요, 에너지 사용 및 위험 평가를 평가할 수 있도록 돕기 위해 미국 인구 조사국과 교통 통계국의 공동 노력입니다(미국 인구 조사국, 상품 흐름 조사). CFS는 미국 시설이 제조, 광업, 도매, 특정 소매 및 서비스 시설을 위해 원자재 및 완제품을 운송하는 방법에 대한 정보를 수집하는 배송업체 기반 조사입니다. CFS는 가치, 중량, 원산지 및 목적지(수출 포함)를 포함하여 운송 수단별로 배송되는 상품 유형에 대한 데이터를 수집합니다.

미국 내 대략 132개 공간 구역(예: CFS 구역) 사이의 상품 흐름에 대한 데이터가 제공됩니다. CFS 지역은 일반적으로 50개 주와 여러 대도시 통계 지역입니다. CFS 데이터베이스의 지리적 단위는 그림 1에 나와 있습니다. CFS는 5년마다('2'와 '7'로 끝남) 수행됩니다. CFS 데이터는 표준 운송물 분류(SCTG) 범주에 따라 상품에 대해 수집됩니다. 표 1은 농업 및 식품 SCTG 카테고리를 제공합니다.

FAF(화물 분석 프레임워크)는 CFS 데이터를 기반으로 구축되었지만 이제는 인구 조사국의 국제 무역 데이터도 통합하여 미국 공급망 내 국제 배송을 결정합니다. FAF는 미국 교통부 연방 고등국(USDOT-FHA, 화물 분석 프레임워크)에서 보고합니다. CFS는 또한 샘플링에 의존하며 주로 광업, 제조 및 도매 업계에서 화물을 국내로 배송하는 약 100,000개의 시설을 다루고 있습니다. 그러나 FAF는 보충 데이터를 결합하여 CFS가 적용되지 않는 시설의 배송 수량을 추정합니다. 동일한 지역 위치, 시간 규모, 상품 범주 및 운송 모드가 FAF 및 CFS 데이터에 사용됩니다.

우리는 미국 내 카운티 간의 농업 및 식량 흐름을 추정하기 위해 식량 흐름 모델을 개발합니다. 이 접근 방식은 그림 2에 표시된 대로 FAF 규모의 데이터를 카운티 규모로 축소합니다. 우리는 CFS 및 FAF 데이터베이스와 동일한 SCTG 식품 상품을 사용합니다. (표 1 참조) 규모를 축소하기 위해 식품 흐름 모델은 (i) 로지스틱 회귀, (ii) 감마 회귀, (iii) 중력 모델 구조, (iv) 질량 균형 및 (v) 선형 프로그래밍을 통합합니다. 간단히 말해서, 우리의 접근 방식은 FAF 규모의 각 경험적 SCTG 상품 네트워크에 회귀 함수를 적용합니다. 그런 다음 회귀 공식이 공간 규모에 걸쳐 일정하다고 가정하므로 이러한 회귀 함수의 변수는 각 카운티에 해당하는 값으로 대체됩니다. 자세한 내용은 당사의 원고를 참조하시기 바랍니다.

식량 흐름 모델은 카운티 수준의 식량 흐름을 추정하기 위해 여러 경험적 데이터에 의존합니다. 입력 데이터에는 식품 운송을 결정하기 위해 결합되는 생산 지역, 운송, 입출력 요구 사항 및 소비와 같은 여러 변수가 포함됩니다. 이 모델에서 소비는 가구의 최종 재화 구매에만 국한되지 않고 공급망 생산 및 처리의 중간 단계도 설명합니다. 원자재가 원시 품목에서 보다 정제된 품목으로 전환될 때마다 당사 데이터베이스에는 새로운 링크가 있습니다. 예를 들어, 도살장으로 보내진 살아있는 동물은 고기로 변하기 때문에 도살장이 있는 카운티는 살아있는 동물을 소비하고 고기를 생산합니다. 우리는 카운티의 식량 흐름이 해당 카운티가 포함된 더 큰 FAF 구역에 합산되도록 보장합니다.