Documente Academic
Documente Profesional
Documente Cultură
Control de
alimentos
journal homepage: www .elsevier.co m/locate/foodcon t
a r t i c l e i n f o a b s t r a c to
Article history: La evolución reciente en el establecimiento legal y el mercado ha motivado a más empresas agroalimentarias a
Received 21 September 2016 implementar sistemas de trazabilidad (TS). TS desempeña un papel importante no solo para planificar la
Received in revised form implementación del sistema antes del desarrollo, sino también para analizar el rendimiento del sistema después
24 November 2016
de usar el sistema. Aquí se presenta un nuevo modelo de TS agroalimentario, basado en conceptos de
Accepted 25 November 2016
granularidad exhaustivos y cuantificables. Se estableció un sistema de índice de 2 capas; la primera capa era
Available online xxx
principalmente factores como precisión, amplitud y profundidad, y la segunda capa incluía siete subfactores
indicadores: unidades de trazas externas, unidades de flujo interno, conversión de IU, contenido de recopilación
Keywords:
de información, frecuencia de actualización de información, distancia de seguimiento hacia adelante y distancia
Traceability
Food traceability de rastreo hacia atrás. El puntaje general de un indicador se amplió con cinco puntajes contribuyentes que
Granularity calificaron el método de asignación. El peso del indicador se confirmó con el método AHP. Los valores de peso
Model de los siete indicadores fueron 0.1985, 0.1141, 0.0872, 0.1870, 0.1248, 0.1442 y 0.1442, respectivamente. Se
Index system adoptó un modelo de suma ponderada para calcular el valor de la evaluación. Un alto valor de evaluación indicó
alta granularidad. El modelo de granularidad se aplicó en dos empresas, identificadas a quí como WPF y WFPE,
que se ubicaron en diferentes etapas en la cadena de suministro de trigo. Los resultados de la encuesta
mostraron que WFPE debería invertir más en el rastreo de la granularidad equivalente que WPF porque implica
un procesamiento en varias etapas, una estructura complicada de la cadena de suministro, es una gran empresa y
opera en un entorno regulatorio estricto. Además, WFPE se motivó a implementar un alto nivel de granularidad
debido a los beneficios en la gestión de la cadena de suministro, la respuesta del mercado y de los clientes, y la
recuperación y la gestión del riesgo. En el futuro, se seguirá estudiando un modelo actualizado de evaluación de
granularidad que podría combinar características de la empresa y descubrir costos y ben eficios ocultos.© 2016
Elsevier Ltd. All rights reserved.
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
2 J. Qian et al. / Food Control xxx (2016) 1e9
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
J. Qian et al. / Food Control xxx (2016) 1e9 3
Table 1
Summary of recent studies (2004e2015) that focus on evaluating TS.
Precision, breadth, and depth Precision reflects the degree of assurance with which the tracing system can pinpoint a particular (Golan et al., 2004a, 2004b)
food product’s movement or characteristics. Breadth describes the amount of information the
traceability system records. The depth of a traceability system is how far back or forward the system
tracks.
Granularity Granularity defines the scale of traceable units; greater granularity correlates with finer scales. (Bertolini et al., 2006)
Precision The precision of TS can be evaluated as the ratio between IUs at two points in the supply chain. (Bollen et al., 2007)
Granularity The traceable size of the unit, so-called granularity, affects the precision of product traceability. (Riden & Bollen, 2007)
Purity Purity is defined as the percentage (in terms of composition) of an output lot sourced from a single (Riden & Bollen, 2007)
raw material input lot.
Access Access describes the speed with which tracking and tracing information can be communicated to (McEntire et al., 2010)
supply chain members and the speed with which the requested information can be disseminated to
public health officials during food-related emergencies.
Granularity In many supply chains granularity is the consequence of a combination of tradition, short-term (Dabbene & Gay, 2011)
convenience and use of available facilities. The simple implementation of a finer granularity by itself
has no value unless it provides greater precision.
Granularity Granularity describes different levels of traceable units, and is determined by the size of a traceable (Karlsen, Donnelly,
unit and the number of the smallest traceable units necessary to make up the traceable unit at a & Olsen, 2011;
specific granularity level. Karlsen et al., 2012)
Capability, reliability, rapidity, Capability is the ability of retrieving the information required without any error and may be (Mgonja et al., 2013)
and precision/accuracy determined by the reliability of the tools, procedures, and information sources used. Rapidity refers
to speed of responding to information requests regarding the trade items. Precision/accuracy is the
ability to pinpoint a particular food product’s movement.
For example, only tracing batches unit ID in wheat flour processing 3.2. Indicators selection of the novel granularity evaluation
stage. Granularity is always preferred in information theory, but
traceability granularity is different. The thickness of information A suitable index suite plays a fundamental role in the quanti-
granularity is determined by unit size, description of the informa- tative evaluation of granularity. This study constructed an index
tion content, and mutual transformation between different units suite with two layers. The first layer was the factors layer, which
(Yu & Pedrycz, 2009; Zadeh, 2002). Granularity affects computa- included the three indexes of precision, breadth, and depth. The
tional complexity (Wang, Pedrycz, & Li, 2016). TS are typical in- second layer was the sub-factor layer; it included the seven in-
formation systems. In this paper, therefore, and according to our dicators of external trace unit, internal flow unit, IU conversion,
comprehensive analysis of information granularity descriptions information collection content, information update frequency,
and related studies of traceability measurements, the authors forward tracking distance, and backward tracing distance. The
present a concept of comprehensive and quantifiable granularity; it structure of the index suite is shown in Fig. 2.
describes the difference of traceability unit size, information ca-
pacity, and trace depth. The framework for comprehensive granu- Indicator 1: External trace unit
larity illustrated in Fig. 1 is based on precision, breadth, and depth.
In this framework, granularity is an integrated indicator that is External trace units and internal flow units represent most of
affected by precision, breadth, and depth. If the values of precision, the traceability precision evaluation. An external trace unit be-
breadth, and depth are high, the granularity value is also high, tween supply chain nodes is regarded as a unique whole. The larger
which also means high traceability as Fig. 1 shows. It indicated the external trace unit, the lower the tracing precision. External
small trace unit, wide information content and long trace distance. trace units can be divided into three levels: single product, single
With the reduction of precision, breadth, and depth, granularity batch, and mixed batches. Single product is the smallest external
also decreases. trace unit. Single batch is a grouped batch of products traceable as a
High granularity
Low granularity
Fig. 1. Framework for evaluating granularity in terms of precision, breadth and depth.
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
4 J. Qian et al. / Food Control xxx (2016) 1e9
unit with a uniform code. In case of batches from different origins highest and shelf life is generally calculated by hour. With the rapid
or firms, mixed batches were considered. development of information and communication technology, the
information can be collected on scene and in real-time by using
Indicator 2: Internal flow unit various types of sensors, portable equipment, and a transmission
network. Information update frequency therefore becomes
In an inner enterprise system, product management may be increasingly frequent and it brings with it rising costs in system
divided into different units for flow tracking. Similar to the external implementation and operation.
trace unit, the internal flow unit has three levels of definition:
single product, single batch, and mixed batch. Indicator 6: Backward tracing distance
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
J. Qian et al. / Food Control xxx (2016) 1e9 5
Luego ordenamos y juzgamos el peso total de estos elementos. El peso del contenido de recopilación de información fue 0.1870, que
Finalmente, el peso de cada elemento fue establecido (Bouzon, era ligeramente más bajo que el de la unidad de traza externa; tenía un
Govindan, Rodriguez, y Campos, 2016). El proceso de influencia importante en la granularidad de trazabilidad. Más información
determinación se muestra en la Fig. 3. recogido, cuanto más fina sea la granularidad y cada vez más se puede rastrear
En AHP, el paso clave es invitar a expertos a calificar cada indicador en la información completa.
estructura antes de construir la matriz de juicio. En esto estudio, invitamos a La distancia de rastreo hacia atrás y la distancia de seguimiento hacia
30 expertos a realizar una encuesta de calificación por correo electrónico. adelante fueron procesos equivalentes e inversos. Por lo tanto, tenían el mismo
Unos 20 expertos participan en la calificación; sus campos de peso de 0.1442. La conversión de IU tuvo el peso más bajo en 0.0872.
investigación incluida la economía agrícola, la calidad de los productos
Refiriéndose a la literatura (Dweiri, Kumar, Khan y Jain, 2016), las CR de
agrícolas y gestión de la seguridad, análisis de la cadena de suministro de
las capas A, B1, B2 y B3 fueron 0.001, 0.015, 0 y 0, respectivamente. De
productos agrícolas, tecnología de trazabilidad de productos agrícolas,
acuerdo con la regla de que el nivel de inconsistencia es considerado aceptable
empresa agroalimentaria gestión, etc. Cinco conjuntos de matrices de juicio
si CR menor que 0.10, los resultados fueron buenos y acceptable
fueron construido
Los elementos en la matriz fueron comparaciones por pares que usó el
método de escala 1e9. Usando este método, el se calcularon y obtuvieron los
3.5. Establecer el modelo de evaluación de granularidad
pesos de cada índice, y se muestran en la Tabla 2.
Entre ellos, el peso de la unidad de traza externa fue el más alto Los objetos de evaluación incluyeron diferentes tipos de empresas coordinado
en 0.1985. La unidad de traza externa refleja la diferencia de solo dentro de la cadena de suministro; incluyeron producción empresas, empresas
productos, lotes individuales y lotes mixtos. Afectó el tamaño de de procesamiento, empresas de logística y ventas empresas. Se utilizó un
otras unidades y recopilación de información. La unidad de método integral de evaluación multifactorial; transformó el índice múltiple a un
seguimiento externa por lo tanto, jugó un papel importante en indicador que refleja una situación integral. El modelo de suma ponderada fue
todos los índices. un modelo intuitivo para implementar el multifactor integral método de
evaluación. La ecuación utilizada se enumera a continuación.
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
6 J. Qian et al. / Food Control xxx (2016) 1e9
2) Implementación de trazabilidad
-
En la fórmula, n es el número de indicadores, Si es el puntaje de No. I Un lote de planta se definió como un campo entero plantado al mismo hora.
indicador, y wi es el peso del indicador No. i. Como la evaluación involucraba Debido a que la cosecha también ocurrió al mismo tiempo, una cosecha el lote
un sistema de 5 puntajes, los puntajes generales de evaluación eran extendido estaba relacionado con un lote de plantas según la regla de uno a uno. En
realidad, las operaciones de campo difieren de acuerdo con el área pequeña
20 veces y los valores de evaluación total alcanzados a 100 puntajes, que
características agrícolas, como el uso de diferentes plaguicidas o diferentes
aumentó la discriminación. dosis de fertilizante según la gravedad de la enfermedad o déficit nutricional.
El puntaje de la evaluación fue un resultado integral. Una alta evaluación valor
indicado alta granularidad. De acuerdo con la regla de máximo homogeneidad en un lote, un lote de
plantas se consideró combinación de muchos lotes de plantas pequeñas.
4. Estudio de caso: dos empresas que se enfrentan a diferentes etapas La información registrada incluía variedades cultivadas y tiempo de siembra,
en un suministro de harina de trigo. nombre del plaguicida y tiempo de aplicación, nombre del fertilizante y el
La cadena de suministro de harina de trigo incluye muchos procesos y nodos de tiempo de aplicación, el administrador de la cosecha y el tiempo, y así
logística. El trigo, la materia prima de la harina, se origina en diferentes áreas sucesivamente. Cuando la cosecha se terminó, se formó un registro de
de plantación. Las empresas plantan el trigo de acuerdo a estándares de calidad producción completo.
y seguridad. Después de la cosecha, el trigo se almacena en un depósito de Se envió una orden de entrega con una ID de lote de cosecha única a la empresa
origen cerca de la plantación, o vendido directamente un procesamiento de trigo de procesamiento junto con el trigo. La trazabilidad podría entonces
empresa después de la cosecha. Entonces los operadores del procesamiento
implementarse de acuerdo con la relación de identificación del lote de cosecha y
empresa grado el trigo de acuerdo con su físico atributos. Después de ser
almacenado en el depósito de origen por un tiempo, el el trigo se transporta al la identificación del lote de la planta. La información puede ser consultada en la
depósito de materia prima por sorteo. Por lo general, el crudo el depósito de planta fácil sistema de registro a través de la identificación del lote de la planta.
material tiene la forma del cilindro y contendrá trigo de varias áreas de 3) Medida de granularidad
producción.
El trigo entra en el cilindro desde arriba y sale a continuación, lo que se De acuerdo con el análisis de la trazabilidad de la empresa de trigo
correlaciona con el principio de FIFO. Debido a FIFO, los lotes de trigo pueden implementación, los indicadores de granularidad de un solo lote,
ser aproximadamente identificado al registrar los pesos de entrada y salida del mezclados lote, uno a uno, toda la información importante, actualizada
cilindro. El almacén de materia prima se vincula a una línea de procesamiento mensualmente descrito en el extremo frontal de la cadena de
automático. En el paso de procesamiento, el trigo se convierte en harina en suministro y rastreado reenviar una capa. Por consiguiente, un valor de
polvo a través de clasificación, purificación, molienda, etc. Además, semi-
acabado los productos se prueban para garantizar la calidad durante este granularidad de 67.18 calculado con el modelo de evaluación.
proceso. Los la línea de procesamiento automático se une a la línea de envasado
de harina. En el línea de envasado, los operadores envasan la harina de acuerdo 4.1.2. Caso 2: una empresa de procesamiento de harina
con varios especificaciones e identificar cada paquete con una etiqueta. de trigo
1) Escenario de aplicación
Un poco de los productos de paquete único pueden cargarse en un contenedor La empresa de procesamiento de harina de trigo, ubicada en el Hetao llano del
grande de paquetes. El contenedor está identificado por una etiqueta que norte de China, abunda en trigo de alta calidad. Ha sido certificado por ISO
incluye toda la información de cada producto. Los contenedores de harina se 9001 e ISO 22000. Un servidor y tres computadoras, necesarios como equipo
venden directamente al local minoristas o transportados a distribuidores en fundamental, se desplegaron en departamentos funcionales de esta empresa.
otros lugares. Esos distribuidores distribuir los contenedores de harina a los Identificación automática equipos tales como un lector RFID, etiquetas RFID,
minoristas. Los minoristas venden el harina de trigo a los clientes después de impresoras de etiquetas RFID, impresora de código de barras, escáner de código
dividir los contenedores en un solo producto paquetes. La cadena de suministro
de barras, se utilizaron para obtener información intercambio y seguimiento.
de harina de trigo se muestra en la Fig. 4.
El subsistema de mantenimiento de registros, que registró los datos de
Dos casos de empresas involucradas en la siembra de trigo y el trigo trazabilidad en el molino de harina de trigo, tenía las funciones de datos de
procesamiento de la harina se estudiaron. La empresa de siembra de trigo materia prima adquisición, procesamiento de datos, generación de código por
proporciona materia prima para la empresa de procesamiento de harina de trigo. lotes de trazabilidad y impresión, distribución de etiquetas RFID, adquisición de
datos de logística y datos subir. Un subsistema de consulta de trazabilidad
4.1 Medición del nivel de granularidad proporcionó dos consultas métodos: seguimiento del sitio web y rastreo del
4.1.1. Caso 1: una empresa de plantación de trigo teléfono (Qian et al., 2012).
2) Implementación de trazabilidad
El lote de materia prima, el lote de procesamiento y el lote de trazabilidad
1) Escenario de aplicación fueron codificados e identificados de acuerdo con las transformaciones de lotes.
La regla de codificación se muestra en la Fig. 5 y se describe en detalle en la
La empresa de siembra de trigo cubría un área de 20 hectáreas a unos 10 km literatura (Qian et al., 2012).
de la empresa de procesamiento de harina de trigo. Proporcionó materiales a la Establecer la relación entre el código QR adherido al paquete
empresa de procesamiento. La firma obtuvo una contaminación libre proceso pequeño y la RFID pegada en el contenedor fue un paso importante
de dar un título. Un modo de gestión extensivo, que abarca la totalidad campo para la trazabilidad de la cadena de suministro. Después de pegar la
como una unidad de gestión, se aplicó. Simplemente, una computadora etiqueta del código QR, El siguiente paso fue formar un contenedor
con un sistema de registro fácil de planta y la impresora se utilizó para grabar de paquetes cargando un número de pequeños paquetes de harina.
producción y pedidos de entrega de impresión. Este paso consistió en tres operaciones.
a. Escanee todas las etiquetas de código QR cargadas en los contenedores.
b. Registre los códigos de lotes de trazabilidad almacenados en los
códigos QR en RFID
c. Pegue las etiquetas RFID del perfil en los contenedores.
Los pasos anteriores cargan los códigos de lotes de trazabilidad
de los paquetes pequeños,
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
J. Qian et al. / Food Control xxx (2016) 1e9 7
Fig. 4. Structure of wheat-flour supply chain and the range of the two selected cases.
ahora almacenados en RFID, en los contenedores. Esto establece 4.2. Comparación de rendimiento
el relación de los códigos de lote de trazabilidad con la etiqueta
RFID.. Para los dos casos, hubo diferencias obvias en el tamaño y cantidad de
ventas. La empresa de siembra de trigo tenía un solo gerente, cuatro
3) Medida de granularidad empleados, algunos trabajadores ocasionales en temporada alta, y
alrededor de 600,000 RMB en ventas anuales. La empresa de
Los indicadores de granularidad fueron de lote único, lote mixto, muchos procesamiento de harina de trigo tenía cerca de 30 empleadores y más de
a muchos, toda la información importante, actualización diaria, rastreo hacia 20 millones de RMB en ventas anuales.
atrás una capa, y siguiendo dos capas hacia adelante. Por consiguiente, se Aunque las diferencias fueron claras, la granularidad de trazabilidad para
calculó un valor de granularidad de 62.31 con la evaluación modelo. la empresa de siembra de trigo era un poco más alta que la harina de trigo
empresa de procesamiento.
Fig. 5. Structure of batch encodings and the relationships among raw material batch, processing batch, and traceability batch.
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
8 J. Qian et al. / Food Control xxx (2016) 1e9
Table 3
Survey result for TS benefits in WPF and WFPE.
4.2.1. Puzzle 1: una inversión más grande obtuvo una granularidad más En la WFPE, tres las personas fueron encuestadas porque el poder de toma de
baja Nivel decisiones es compartido por un gerente y dos subdirectores; un factor fue
La inversión más grande obtuvo un nivel de granularidad más bajo. Los considerado beneficioso cuando todos los gerentes lo calificaron
empresa de procesamiento de harina de trigo invertida en los siguientes positivamente. Los artículos de la encuesta y los resultados se muestran en la
equipo: servidor, computadoras y varios instrumentos de identificación. La Tabla 3.
empresa de siembra de trigo invirtió en una sola computadora y una impresora.
Las inversiones en trazabilidad son capital y recursos intenso, ya que implican Es obvio que WFPE tuvo más beneficios que WPF, como se determinó por las
revisar y cambiar los procesos establecidos, capacitar a los trabajadores de respuestas de los gerentes. WFPE vio beneficios en el suministro gestión de la
primera línea y al personal administrativo, y implementar la tecnología de la cadena, mercado y respuesta del cliente, y recuperación y gestión de riesgos.
información y otros equipos y experiencia (Bosona & Gebresenbet, 2013; WFPE por lo tanto tenía una fuerte motivación para aplicar
Wang, Li, O'Brien, & Li, 2010). TS.
5. Conclusiones y trabajos futuros
Los costos de rastreabilidad dependen del entorno regulatorio, tamaño de
la empresa, estrategia firme y cultura, adopción de tecnología, características Los conceptos de granularidad integral y cuantificable se presentaron para
de los productos y procesos de producción, estructura y complejidad de la medir TS en la industria agroalimentaria. La amplitud de granularidad se
cadena de suministro, y la cantidad de información para ser almacenados. La indicó en un marco 3D esa combinación de precisión, amplitud y profundidad.
empresa de procesamiento de harina de trigo participó en varias etapas La cuantificabilidad era encarnada en un sistema de indicadores que tenía dos
procesamiento, una estructura de cadena de suministro complicada, una gran capas y siete indicadores, y en un modelo de evaluación de granularidad.
empresa, y un ambiente regulatorio estricto. Por lo tanto, necesitaba invertir
más para implementar la trazabilidad de granularidad de alto nivel. La granularidad se evaluó en dos empresas, WPF y WFPE, que se ubicaron
en diferentes etapas en la cadena de suministro de harina de trigo.WFPE
4.2.2. Puzzle2: la empresa con mayor inversión fue más Motivado para involucró el procesamiento en varias etapas, una cadena de suministro
implementar TS complicada estructura, grandes empresas y un entorno regulatorio estricto. Eso
Los beneficios y los impulsores de TS se han discutido mucho (Asioli, por lo tanto, se necesita invertir más para implementar la granularidad
Boecker, y Canavari, 2014; Brofman Epelbaum, y Garcia Martinez, 2014; trazabilidad a un nivel equivalente al de WPF. Además, WFPE vio más
Chryssochoidis, Karagiannaki, Pramatari y Kehagia, 2009; beneficios que WPF; los vio en la cadena de suministro gestión, mercado y
Lavelli, 2013). Se distinguieron cuatro grupos de beneficios de trazabilidad: respuesta del cliente, y recuperación y riesgo administración. Por lo tanto,
regulación, recuperación y gestión de riesgos, mercado y respuesta del cliente estaba fuertemente motivado para implementar un alto nivel tecnología de
y operaciones de la cadena de suministro (Asioli et al., 2014). Bosona y seguimiento de granularidad
Gebresenbet (2013) categorizaron cinco controladores TS: comida seguridad y Aunque las medidas de granularidad actualizadas se basaban en el análisis y la
calidad, regulatoria, social, económica y tecnológica preocupaciones.Es difícil asimilación de la investigación existente, todavía había algunas insuficiencias Las
medir con precisión los beneficios y los impulsores del TS. Se realizó una características de la empresa afectaron la granularidad nivel. Si se ignoraron los
encuesta en las dos empresas para determinar el beneficio de TS. En la factores de las empresas, la comparación de granularidad entre las empresas
empresa de siembra de trigo, el gerente fue encuestado debido a su poder de carecería de persuasión, ya que Puzzle 1 mostró. Dado que las muestras de la
toma de decisiones. encuesta fueron limitadas, el problema todavía no se puede explicar con claridad.
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
los beneficios.
J. Qian et al. / Food Control xxx (2016) 1e9 9
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
1 J. Qian et al. / Food Control xxx (2016) 1e9
0
decision-support system for traceability in cucumber production. Computers
Características del sistema y el rendimiento se afectó mutuamente,
como lo demostró Puzzle 2, pero el mecanismo de conducción no
se descubrió. Por lo tanto, es necesario aplicar y estudiar el uso de
este modelo de granularidad ampliamente en diversos empresas.
The authors would like to thank the referees for their sugges-
tions, which improved the content and presentation of this paper.
This work was funded by the National Natural Science Foundation
of China (31671593).
References
Asioli, D., Boecker, A., & Canavari, M. (2014). On the linkages between traceability
levels and expected and actual traceability costs and benefits in the Italian
fishery supply chain. Food Control, 46, 10e17.
Badia-Melis, R., Mishra, P., & Ruiz-García, L. (2015). Food traceability: New trends
and recent advances. A review. Food Control, 57, 393e401.
Banterle, A., & Stranieri, S. (2008). The consequences of voluntary traceability sys-
tem for supply chain relationships. An application of transaction cost eco-
nomics. Food Policy, 33(6), 560e569.
Bernard, A., Broeckaert, F., De Poorter, G., De Cock, A., Hermans, C., Saegerman, C.,
et al. (2002). The belgian PCB/dioxin incident: Analysis of the food chain
contamination and health risk evaluation. Environmental Research, 88(1), 1e18.
Bertolini, M., Bevilacqua, M., & Massini, R. (2006). FMECA approach to product
traceability in the food industry. Food Control, 17(2), 137e145.
Bollen, A. F., Riden, C. P., & Cox, N. R. (2007). Agricultural supply system traceability,
Part I: Role of packing procedures and effects of fruit mixing. Biosystems Engi-
neering, 98(4), 391e400.
Bosona, T., & Gebresenbet, G. (2013). Food traceability as an integral part of logistics
management in food and agricultural supply chain. Food Control, 33(1), 32e48.
Bouzon, M., Govindan, K., Rodriguez, C., & Campos, L. (2016). Identification and
analysis of reverse logistics barries using fuzzy Delphi method and AHP. Re-
sources Conservation & Recycling, 108, 182e197.
Brofman Epelbaum, F. M., & Garcia Martinez, M. (2014). The technological evolution
of food traceability systems and their impact on firm sustainable performance:
A RBV approach. International Journal of Production Economics, 150, 215e224.
Chryssochoidis, G., Karagiannaki, A., Pramatari, K., & Kehagia, O. (2009).
A costbenefit evaluation framework of an electronic-based traceability system.
British Food Journal, 111(6e7), 565e582.
Comba, L., Belforte, G., Dabbene, F., & Gay, P. (2013). Methods for traceability in food
production processes involving bulk products. Biosystems Engineering, 116(1),
51e63.
Dabbene, F., & Gay, P. (2011). Food traceability systems: Performance evaluation and
optimization. Computers and Electronics in Agriculture, 75(1), 139e146.
Deng, X., Hu, Y., Deng, Y., & Mahadevan, S. (2014). Supplier selection using AHP
methodology extended by D numbers. Expert Systems with Applications, 41(1),
156e167.
Dweiri, F., Kumar, S., Khan, S. A., & Jain, V. (2016). Designing an integrated AHP
based decision support system for supplier selection in automotive industry.
Expert Systems with Applications, 62, 273e283.
Feng, J., Fu, Z., Wang, Z., Xu, M., & Zhang, X. (2013). Development and evaluation on
a RFID-based traceability system for cattle/beef quality safety in China. Food
Control, 31(2), 314e325.
Golan, E., Krissoff, B., Kuchler, F., Calvin, L., Nelson, K., & Price, G. (2004a). Trace-
ability in the US food supply: Economic theory and industry studies. Agricultural
Economic Report, 3, 1e48.
Golan, E., Krissoff, B., Kuchler, F., Calvin, L., Nelson, K., & Price, G. (2004b). Trace-
ability in the U.S. Food supply: Economic theory and industry studies. Agricultural
Economic Report Economic Research Service, US Department of Agriculture.
Karlsen, K. M., Donnelly, K. A. M., & Olsen, P. (2011). Granularity and its importance
for traceability in a farmed salmon supply chain. Journal of Food Engineering,
102(1), 1e8.
Karlsen, K. M., Dreyer, B., Olsen, P., & Elvevoll, E. O. (2012). Granularity and its role in
implementation of seafood traceability. Journal of Food Engineering, 112(1e2),
78e85.
Kim, Y. G., & Woo, E. (2016). Consumer acceptance of a quick response (QR) code for
the food traceability system: Application of an extended technology acceptance
model (TAM). Food Research International, 85, 266e272.
Lavelli, V. (2013). High-warranty traceability system in the poultry meat supply
chain: A medium-sized enterprise case study. Food Control, 33(1), 148e156.
Li, M., Qian, J., Yang, X., Sun, C., & Ji, Z. (2010). A PDA-based record-keeping and
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034
and Electronics in Agriculture, 70(1), 69e77. J. Qian et al. / Food Control xxx (2016) 1e9 1
Luvisi, A., Panattoni, A., Bandinelli, R., Rinaldelli, E., Pagano, M., & Triolo, E. (2012). 1
Ultra-high frequency transponders in grapevine: A tool for traceability of plants
and treatments in viticulture. Biosystems Engineering, 113(2), 129e139.
Mainetti, L., Patrono, L., Stefanizzi, M. L., & Vergallo, R. (2013). An innovative and
low-cost gapless traceability system of fresh vegetable products using RF
technologies and EPCglobal standard. Computers and Electronics in Agriculture,
98, 146e157.
McEntire, J. C., Arens, S., Bernstein, M., Bugusu, B., Busta, F. F., & Cole, M. (2010).
Traceability (product tracing) in food systems: An IFT (Institute of food tech-
nology) report submitted to the FDA (food and drug administration). Compre-
hensive Reviews in Food Science and Food Safety, 1(9), 92e158.
Mgonja, J. T., Luning, P., & Van der Vorst, J. G. A. J. (2013). Diagnostic model for
assessing traceability system performance in fish processing plants. Journal of
Food Engineering, 118(2), 188e197.
Moe, T. (1998). Perspectives on traceability in food manufacture. Trends in Food
Science & Technology, 9(5), 211e214.
Olsen, P., & Borit, M. (2013). How to define traceability. Trends in Food Science &
Technology, 29(2), 142e150.
Ozgen, D., & Gulsun, B. (2014). Combining possibilistic linear programming and
fuzzy AHP for solving the multi-objective capacitated multi-facility location
problem. Information Sciences, 268, 185e201.
Parre O-Marchante, A., Alvarez-Melcon, A., Trebar, M., & Filippin, P. (2014).
Advanced traceability system in aquaculture supply chain. Journal of Food En-
gineering, 122, 99e109.
Pierini, G. D., Fernandes, D. D. S., Araújo, M. C. U. D., Nezio, M. S. D., &
Centurion, M. E. (2016). A digital image-based traceability tool of the
geographical origins of Argentine propolis. Microchemical Journal, 128, 62e67.
Porto, S. M. C., Arcidiacono, C., & Cascone, G. (2011). Developing integrated
computer-based information systems for certified plant traceability: Case study
of Italian citrus-plant nursery chain. Biosystems Engineering, 109(2), 120e129.
Qian, J., Yang, X., Wang, X., Lian, J., Xing, B., Fan, B., et al. (2013). Framework for an IT-
based vegetable traceability system integrated two different operating mech-
anisms in China on comparison with two cities. Journal of Food Agriculture &
Environment, 11(3&4), 317e323.
Qian, J., Yang, X., Wu, X., Xing, B., Wu, B., & Li, M. (2015). Farm and environment
information bidirectional acquisition system with individual tree identification
using smartphones for orchard precision management. Computers and Elec-
tronics in Agriculture, 116, 101e108.
Qian, J., Yang, X., Wu, X., Zhao, L., Fan, B., & Xing, B. (2012). A traceability system
incorporating 2D barcode and RFID technology for wheat flour mills. Computers
and Electronics in Agriculture, 89, 76e85.
Regattieri, A., Gamberi, M., & Manzini, R. (2007). Traceability of food products:
General framework and experimental evidence. Journal of Food Engineering,
81(2), 347e356.
Reyes, J. F., Correa, C., Esquivel, W., & Ortega, R. (2012). Development and field
testing of a data acquisition system to assess the quality of spraying in fruit
orchards. Computers and Electronics in Agriculture, 84, 62e67.
Riden, C. P., & Bollen, A. F. (2007). Agricultural supply system traceability, Part II:
Implications of packhouse processing transformations. Biosystems Engineering,
98(4), 401e410.
Skoglund, T., & Dejmek, P. (2007). Fuzzy traceability: A process simulation derived
extension of the traceability concept in continuous food processing. Food and
Bioproducts Processing, 85(C4), 354e359.
Steinberger, G., Rothmund, M., & Auernhammer, H. (2009). Mobile farm equipment
as a data source in an agricultural service architecture. Computers and Elec-
tronics in Agriculture, 65(2), 238e246.
Thakur, M., & Hurburgh, C. R. (2009). Framework for implementing traceability
system in the bulk grain supply chain. Journal of Food Engineering, 95(4),
617e626.
Van der Spiegel, M., Sterrenburg, P., Haasnoot, W., & van der Fels-Klerx, H. J. (2013).
Towards a decision support system for control of multiple food safety hazards
in raw milk production. Trends in Food Science & Technology, 34(2), 137e145.
Wales, C., Harvey, M., & Warde, A. (2006). Recuperating from BSE: The shifting UK
institutional basis for trust in food. Appetite, 47(2), 187e195.
Wang, X., Li, D., Brien, O., & Li, Y. (2010). A production planning model to reduce risk
and improve operations management. International Journal of Production Eco-
nomics, 124(2), 463e474.
Wang, D., Pedrycz, W., & Li, Z. (2016). Design of granular interval-valued informa-
tion granules with the use of the principle of justifiable granularity and their
applications to system modeling of higher type. Soft Computing, 20(6),
2119e2134.
Yang, X., Qian, J., Li, J., Ji, Z., Fan, B., Xing, B., et al. (2016). A real-time agro-food
authentication and supervision system on a novel code for improving trace-
ability credibility. Food Control, 66, 17e26.
Yu, F., & Pedrycz, W. (2009). The design of fuzzy information granules: Tradeoffs
between specificity and experimental evidence. Applied Soft Computing, 9(1),
264e273.
Zadeh, L. A. (2002). Some reflections on information granulation and its centrality
in granular computing, computing with words, the computational theory of
perceptions and precisiated natural language. In Data mining, rough sets and
granular computing (Vol. 95, pp. 3e20). Physica-Verlag HD.
Zhang, C., Bai, J., & Wahl, T. I. (2012). Consumers’ willingness to pay for traceable
pork, milk, and cooking oil in Nanjing, China. Food Control, 27(1), 21e28.
Please cite this article in press as: Qian, J., et al., Comprehensive and quantifiable granularity: A novel model to measure agro-food traceability,
Food Control (2016), http://dx.doi.org/10.1016/j.foodcont.2016.11.034