Food Control xxx (2016) 1e9

Lista de contenidos disponible en

ScienceDirect

Control de
alimentos
journal homepage: www .elsevier.co m/locate/foodcon t

Granularidad integral y cuantificable: un nuevo modelo para

medir la trazabilidad agroalimentaria
Jianping Qian a, b, Beilei Fan a, b
, Xiaoming Wu a, b
, Shuai Han a, b
, Shouchun Liu a, b
,
Xinting Yang a, b, *
a
National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China
b
Key Laboratory of Information Technology in Agriculture, Ministry of Agriculture, Beijing 100097, China

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.

1. Introdución definida en normas internacionales, en legislación y en algunos

Algunos eventos asombrosos, como el caso de la EEB a
principios o mediados de la década de 1990 (Gales, Harvey y
Warde, 2006) y la contaminación por dioxinas en 1999 de la
alimentación de los pollos en Bélgica (Bernard et al., 2002), han
centrado la atención en el tema de la seguridad alimentaria
(Bertolini, Bevilacqua y Massini, 2006). La rastreabilidad es un
método efectivo para garantizar la seguridad y calidad de los
alimentos y para reducir los costos asociados con los retiros
(Regattieri, Gamberi, & Manzini, 2007).Traceability is
* Corresponding author. National Engineering Research Center for Information
Technology in Agriculture (NERCITA), Building A, Beijing Nongke Masion, 11#
Shuguang Huayuan Middle Road, Haidian District, Beijing 100097, China. Tel.: þ86
10 51503476; fax: þ86 10 51503750.
E-mail address: xintingyang@nercita.org.cn (X. Yang).
diccionarios; la definición independiente más citada se formuló
en un artículo científico (Badia-Melis, Mishra y Ruiz-García,
2015). Al combinar partes de las definiciones existentes, Olsen
y Borit (2013) ofrecieron una nueva definición: la capacidad de
acceder a toda o cualquier información relacionada con lo que
se está considerando, a lo largo de todo su ciclo de vida, por
medio de identificaciones registradas.
En los últimos años, la investigación de sistemas de trazabilidad
se ha llevado a cabo sobre diversos temas, como la tecnología
trazable (Li, Qian, Yang, Sun y Ji, 2010; Pierini, Fernandes,
Diniz, de Araújo, Di Nezio y Centurio, 2016) , desarrollo de
sistemas (Feng, Fu, Wang, Xu y Zhang, 2013; Thakur y
Hurburgh, 2009), modelado de la trazabilidad (Comba, Belforte,
Dabbene y Gay, 2013; Van der Spiegel, Sterrenburg, Haasnoot
y van der Fels -Klerx, 2013), los mecanismos operativos y las
percepciones de los consumidores (Dabbene & Gay, 2011; Kim
y Woo, 2016). Rápido desarrollo de información y

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

shortcomings, the concept of granularity was used for reference

Nomenclature and a comprehensive and quantifiable granularity model was
developed in our research. Various methods to measure traceability
BSE bovine spongiform encephalopathy are reviewed here in Section 2. Section 3 presents a novel method
RFID radio frequency identification for measuring agro-food traceability based on granularity. The
WSN wireless sensor network novel model is applied in two cases through granularity evaluation
DSS decision support system and cost and benefits comparison in Section 4.
TS traceability system
SCM supply chain management 2. Literature of traceability measurement systems
FSC food supply chain
TRU traceable resource unit Since effective TS should address the tracing and tracking of
IU identifiable unit products and the complete information associated with product
AHP analytic hierarchy process history throughout the FSC, the effectiveness of TS should be
CR consistency ratio assessed in view of overall FSC performance. In fact, many factors,
BDC batch dispersion cost such as conflicting goals between partners in the FSC, complicate
FIFO first in, first out the evaluation of TS. Table 1 shows some recent TS evaluation
RMB renminbi methods.
WPF wheat planting firm Defining and evaluating the performance of TS represent the
WFPE wheat-flour processing enterprise first step in developing traceability-oriented management policies.
Various criteria have been proposed based on the elaboration of
recall costs. To formalize this problem, Moe (1998), proposed the
las tecnologías de comunicación proporcionan una forma efectiva de mejorar la concept of TRU for batch processes as a “unique unit, meaning that
trazabilidad. Las tecnologías de identificación como códigos de barras y RFID no other unit can have exactly the same, or comparable, charac-
se pueden integrar en un sistema de trazabilidad para identificar productos o teristics from the point of view of traceability.” By TRU and com-
lotes rápidamente (Luvisi et al., 2012, Yang et al., 2016). WSN y dispositivos bined the information attributes, the breadth, depth, and precision
portátiles con características en tiempo real y en escena se han convertido en of TS was proposed. These three dimensions were widely used to
medios impactantes para recopilar información sobre el monitoreo ambiental y discriminate among traceability objects (Banterle & Stranieri, 2008;
las operaciones agrícolas (Qian et al., 2015, Steinberger, Rothmund y Zhang, Bai, & Wahl, 2012). McEntire et al. (2010) added a quantity of
Auernhammer, 2009). Un DSS adaptado al requisito FSC puede ayudar a access to form four criteria to measure traceability. Access describes
recopilar información útil de una combinación de datos brutos, documentos, the speed with which tracking and tracing information can be
conocimiento personal y / o modelos para identificar problemas de inocuidad communicated to supply chain members and the speed with which
alimentaria, tomar decisiones para aceptar o rechazar productos alimenticios y the requested information can be disseminated to public health
realizar intervenciones (Van der Spiegel et al., 2013). officials during food-related emergencies.
crisis alimentarias, mejora en SCM, desarrollo de la competencia de Bollen et al. (2007) further elaborated on TRU by introducing the
la empresa y contribución a la sostenibilidad agrícola, las empresas notion of IU, which represents the unit of a product that must be
agroalimentarias deberían estar motivadas para implementar uniquely identifiable within each system in which it is traceable.
sistemas de rastreabilidad (Dabbene & Gay, 2011). En ese contexto, The size of an IU corresponds to the granularity of the traceability
un sistema para medir la trazabilidad juega un papel importante no system. Many definitions and descriptions of granularity have been
solo para los planes de implementación del sistema antes del proposed. Granularity is determined by the size and number of
desarrollo, sino también para analizar el rendimiento del sistema batches. Finer granularity allows for adding increasingly detailed
después de usar el sistema. Aunque se han realizado algunas information about a product and for acting at a more detailed and
investigaciones para medir la precisión, amplitud y profundidad range-limited level in the case of a recall (Karlsen, Dreyer, Olsen, &
(Bollen, Riden, y Cox, 2007; Golan et al. 2004a, 2004b) de Elvevoll, 2012). The relationship of granularity and precision con-
trazabilidad, tres limitaciones son obvias: 1) la medición de un solo sists in that granularity could affect the precision of product
factor no puede proporcionar un índice completo, 2) el análisis traceability if a product is tracked at a fine level of granularity and
cualitativo no puede proporcionar una evaluación cuantificable, y 3) IU is small. In such cases, there is always the opportunity to
la investigación sobre la rastreabilidad no ha evaluado los costos y combine IUs to achieve the required precision (Riden & Bollen,
beneficios de 2007).
In addition to precision, breadth, depth, and granularity, other
indicators have also been used to measure traceability. Purity was
used in horticultural pack house processing transformations (Riden
& Bollen, 2007), and capability, rapidity, and accuracy has been
used in fish processing plants (Mgonja, Luning, & Van der Vorst,
2013).

3. Traceability measurement model on comprehensive and

quantifiable granularity evaluation

3.1. Framework for comprehensive granularity

Most of the above-mentioned indicators describe traceability

from a particular viewpoint, but there is some insufficient from
integrated viewpoint based on IUs, information recording and
supply chain coordination. Similarly for granularity; it has been
implementing TS for various enterprises. To overcome these defined only by the size of the units or as equivalent to precision.

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.

Concept Description Source

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
stage. Granularity is always preferred in information theory, but
traceability granularity is different. The thickness of information
granularity is determined by unit size, description of the informa-
tion content, and mutual transformation between different units
(Yu & Pedrycz, 2009; Zadeh, 2002). Granularity affects computa-
tional complexity (Wang, Pedrycz, & Li, 2016). TS are typical in-
formation systems. In this paper, therefore, and according to our
comprehensive analysis of information granularity descriptions
and related studies of traceability measurements, the authors
present a concept of comprehensive and quantifiable granularity; it
describes the difference of traceability unit size, information ca-
pacity, and trace depth. The framework for comprehensive granu-
larity illustrated in Fig. 1 is based on precision, breadth, and depth.
In this framework, granularity is an integrated indicator that is
affected by precision, breadth, and depth. If the values of precision,
breadth, and depth are high, the granularity value is also high,
which also means high traceability as Fig. 1 shows. It indicated
small trace unit, wide information content and long trace distance.
With the reduction of precision, breadth, and depth, granularity
also decreases.
3.2. Indicators selection of the novel granularity evaluation
A suitable index suite plays a fundamental role in the quanti-
tative evaluation of granularity. This study constructed an index
suite with two layers. The first layer was the factors layer, which
included the three indexes of precision, breadth, and depth. The
second layer was the sub-factor layer; it included the seven in-
dicators of external trace unit, internal flow unit, IU conversion,
information collection content, information update frequency,
forward tracking distance, and backward tracing distance. The
structure of the index suite is shown in Fig. 2.
Indicator 1: External trace unit
External trace units and internal flow units represent most of
the traceability precision evaluation. An external trace unit be-
tween supply chain nodes is regarded as a unique whole. The larger
the external trace unit, the lower the tracing precision. External
trace units can be divided into three levels: single product, single
batch, and mixed batches. Single product is the smallest external
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
Pression (B1)
Granularidad (A) Amplitud (B2)
Frecuencia de actualización de información (C5)
Profundidad
(B3)
distancia de seguimiento hacia adelante (C7)
Fig. 2. Structure of valuation index suite for traceability/granularity.
unit with a uniform code. In case of batches from different origins
or firms, mixed batches were considered.
Indicator 2: Internal flow unit
In an inner enterprise system, product management may be
divided into different units for flow tracking. Similar to the external
trace unit, the internal flow unit has three levels of definition:
single product, single batch, and mixed batch.
Indicator 3: IU conversion
Between supply chain nodes, there are some scenes of IU con-
version. For example, various raw-material businesses provide
material to a processing business. If the processing business mixed
these materials into a batch, IU conversion was taken place with the
rule of “many to one.” According to the various conversion situa-
tions, there are four types of transformation: “one-to-one,” “one-
to-many,” “many-to-one,” and “many-to-many.” Precise trace-
ability can be implemented for one-to-one. For one-to-many, which
exists in split batch cells, the relationship can be accurately realized
through identification correspondence and information associa-
tion. For many-to-one, which exists in aggregated batch cells,
precise traceability is difficult because of mixed batches. It can,
however, be implemented using fuzzy traceability (Skoglund &
Dejmek, 2007). The situation of many-to-many is very difficult to
trace.
Indicator 4: Information collection content
Traceability breadth indicates the range of information con-
tained in the system. Information collection content and informa-
tion update frequency constrain the range from content space and
update time. For TS, information collection content includes
product basic information, forward source information, backward
direction information, processing information, and so on. The
greater the content of information collection indicated, the wider
the breadth.
Indicator 5: Information update frequency
There are big differences in information update frequency across
various enterprises and different points in the supply chain. Taking
the beef supply chain as an example, the lowest information update
frequency, about monthly, exists at the cattle breeding stage. The
cattle slaughter stagedthe process of slaughtering, drainage acid,
and cuttingdhas a higher update frequency, namely daily. In
addition, at the point of sale, information update frequency is the
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
Unidad de rastreo Extemal (C1)
Unidad de flujo intemal (C2)
Conversión de IU (C3)
Contenido de la colección de información (C4)
Distancia de rastreo hacia atrás (C6)
highest and shelf life is generally calculated by hour. With the rapid
development of information and communication technology, the
information can be collected on scene and in real-time by using
various types of sensors, portable equipment, and a transmission
network. Information update frequency therefore becomes
increasingly frequent and it brings with it rising costs in system
implementation and operation.
Indicator 6: Backward tracing distance
Depth encompasses the distance forward or backward that an
item can be tracked or traced. Actors in a supply chain with a good
coordination mechanism and strong data-sharing ability have
longer forward tracing distances. Take a dairy sale enterprise as an
example; if it can trace an item back to the product processing
enterprise through the stock records, and the processing enterprise
can get the source of raw milk by an internal traceability mecha-
nism, the dairy sale enterprise can realize the two layers backward
tracing. The number of layers traced is therefore an important in-
dicator for measuring traceability depth. Most enterprises at the
front end of a supply chain can be considered to have a high level of
backward tracing distance because of no forward actors.
Indicator 7: Forward tracking distance
Forward tracking is the opposite of backward tracing. The
measuring method is similar to that of backward tracking distance.
3.3. cuanti indicador fi
catión
Con el fin de cuantificar los indicadores, los datos originales deben ser
convertidos y los correspondientes clasificación fi cación criterios deben
establecerse de acuerdo con la regla de selección de indicadores. UN fi se
adoptó el método de clasificación ve-score para obtener los valores
cuantitativos de los indicadores. Los valores cuantitativos de cada indicador se
muestran en la Tabla 2 .
3.4. Indicadores de determinación de peso
La granularidad de trazabilidad es un fenómeno complejo con una jerarquía de
múltiples indicadores. Debido a la falta de evaluación, experiencia, y datos de muestra en
la etapa inicial, elegimos AHP para calcule el valor de peso de un indicador de
evaluación de granularidad. Esta método puede dividir problemas complejos en varios
componentes, construir un modelo multiobjetivo y multinivel, y forma una jerarquía
ordenada estructura (Deng, Hu, Deng, y Mahadevan, 2014; Ozgen y Gulsun, 2014). La
importancia relativa de varios indicadores en el la jerarquía está determinada por la
comparación
hierarchy is dos-dos.
determined by two-two comparison. Then we sorted
 J. Qian et al. / Food Control xxx (2016) 1e9
Index weight, description, and quantization scores.
Luego ordenamos y juzgamos el peso total de estos elementos.
Finalmente, el peso de cada elemento fue establecido (Bouzon,
Govindan, Rodriguez, y Campos, 2016). El proceso de
determinación se muestra en la Fig. 3.
En AHP, el paso clave es invitar a expertos a calificar cada indicador en la
estructura antes de construir la matriz de juicio. En esto estudio, invitamos a
30 expertos a realizar una encuesta de calificación por correo electrónico.
Unos 20 expertos participan en la calificación; sus campos de
investigación incluida la economía agrícola, la calidad de los productos
agrícolas y gestión de la seguridad, análisis de la cadena de suministro de
productos agrícolas, tecnología de trazabilidad de productos agrícolas,
empresa agroalimentaria gestión, etc. Cinco conjuntos de matrices de juicio
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
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
en 0.1985. La unidad de traza externa refleja la diferencia de solo
productos, lotes individuales y lotes mixtos. Afectó el tamaño de
otras unidades y recopilación de información. La unidad de
seguimiento externa por lo tanto, jugó un papel importante en
todos los índices.
Fig. 3. Flowchart for confirming weight value.
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
5
El peso del contenido de recopilación de información fue 0.1870, que
era ligeramente más bajo que el de la unidad de traza externa; tenía un
influencia importante en la granularidad de trazabilidad. Más información
recogido, cuanto más fina sea la granularidad y cada vez más se puede rastrear
información completa.
La distancia de rastreo hacia atrás y la distancia de seguimiento hacia
adelante fueron procesos equivalentes e inversos. Por lo tanto, tenían el mismo
peso de 0.1442. La conversión de IU tuvo el peso más bajo en 0.0872.
Refiriéndose a la literatura (Dweiri, Kumar, Khan y Jain, 2016), las CR de
las capas A, B1, B2 y B3 fueron 0.001, 0.015, 0 y 0, respectivamente. De
acuerdo con la regla de que el nivel de inconsistencia es considerado aceptable
si CR menor que 0.10, los resultados fueron buenos y acceptable
3.5. Establecer el modelo de evaluación de granularidad
Los objetos de evaluación incluyeron diferentes tipos de empresas coordinado
dentro de la cadena de suministro; incluyeron producción empresas, empresas
de procesamiento, empresas de logística y ventas empresas. Se utilizó un
método integral de evaluación multifactorial; transformó el índice múltiple a un
indicador que refleja una situación integral. El modelo de suma ponderada fue
un modelo intuitivo para implementar el multifactor integral método de
evaluación. La ecuación utilizada se enumera a continuación.
 6 J. Qian et al. / Food Control xxx (2016) 1e9
-
En la fórmula, n es el número de indicadores, Si es el puntaje de No. I
indicador, y wi es el peso del indicador No. i. Como la evaluación involucraba
un sistema de 5 puntajes, los puntajes generales de evaluación eran extendido
20 veces y los valores de evaluación total alcanzados a 100 puntajes, que
aumentó la discriminación.
El puntaje de la evaluación fue un resultado integral. Una alta evaluación valor
indicado alta granularidad.
4. Estudio de caso: dos empresas que se enfrentan a diferentes etapas
en un suministro de harina de trigo.
La cadena de suministro de harina de trigo incluye muchos procesos y nodos de
logística. El trigo, la materia prima de la harina, se origina en diferentes áreas
de plantación. Las empresas plantan el trigo de acuerdo a estándares de calidad
y seguridad. Después de la cosecha, el trigo se almacena en un depósito de
origen cerca de la plantación, o vendido directamente un procesamiento de trigo
empresa después de la cosecha. Entonces los operadores del procesamiento
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
depósito de materia prima por sorteo. Por lo general, el crudo el depósito de
material tiene la forma del cilindro y contendrá trigo de varias áreas de
producción.
El trigo entra en el cilindro desde arriba y sale a continuación, lo que se
correlaciona con el principio de FIFO. Debido a FIFO, los lotes de trigo pueden
ser aproximadamente identificado al registrar los pesos de entrada y salida del
cilindro. El almacén de materia prima se vincula a una línea de procesamiento
automático. En el paso de procesamiento, el trigo se convierte en harina en
polvo a través de clasificación, purificación, molienda, etc. Además, semi-
acabado los productos se prueban para garantizar la calidad durante este
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
con varios especificaciones e identificar cada paquete con una etiqueta.
Un poco de los productos de paquete único pueden cargarse en un contenedor
grande de paquetes. El contenedor está identificado por una etiqueta que
incluye toda la información de cada producto. Los contenedores de harina se
venden directamente al local minoristas o transportados a distribuidores en
otros lugares. Esos distribuidores distribuir los contenedores de harina a los
minoristas. Los minoristas venden el harina de trigo a los clientes después de
dividir los contenedores en un solo producto paquetes. La cadena de suministro
de harina de trigo se muestra en la Fig. 4.
Dos casos de empresas involucradas en la siembra de trigo y el trigo
procesamiento de la harina se estudiaron. La empresa de siembra de trigo
proporciona materia prima para la empresa de procesamiento de harina de trigo.
4.1 Medición del nivel de granularidad
4.1.1. Caso 1: una empresa de plantación de trigo
1) Escenario de aplicación
La empresa de siembra de trigo cubría un área de 20 hectáreas a unos 10 km
de la empresa de procesamiento de harina de trigo. Proporcionó materiales a la
empresa de procesamiento. La firma obtuvo una contaminación libre proceso
de dar un título. Un modo de gestión extensivo, que abarca la totalidad campo
como una unidad de gestión, se aplicó. Simplemente, una computadora
con un sistema de registro fácil de planta y la impresora se utilizó para grabar
producción y pedidos de entrega de impresión.
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) Implementación de trazabilidad
Un lote de planta se definió como un campo entero plantado al mismo hora.
Debido a que la cosecha también ocurrió al mismo tiempo, una cosecha el lote
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
características agrícolas, como el uso de diferentes plaguicidas o diferentes
dosis de fertilizante según la gravedad de la enfermedad o déficit nutricional.
De acuerdo con la regla de máximo homogeneidad en un lote, un lote de
plantas se consideró combinación de muchos lotes de plantas pequeñas.
La información registrada incluía variedades cultivadas y tiempo de siembra,
nombre del plaguicida y tiempo de aplicación, nombre del fertilizante y el
tiempo de aplicación, el administrador de la cosecha y el tiempo, y así
sucesivamente. Cuando la cosecha se terminó, se formó un registro de
producción completo.
Se envió una orden de entrega con una ID de lote de cosecha única a la empresa
de procesamiento junto con el trigo. La trazabilidad podría entonces
implementarse de acuerdo con la relación de identificación del lote de cosecha y
la identificación del lote de la planta. La información puede ser consultada en la
planta fácil sistema de registro a través de la identificación del lote de la planta.
3) Medida de granularidad
De acuerdo con el análisis de la trazabilidad de la empresa de trigo
implementación, los indicadores de granularidad de un solo lote,
mezclados lote, uno a uno, toda la información importante, actualizada
mensualmente descrito en el extremo frontal de la cadena de
suministro y rastreado reenviar una capa. Por consiguiente, un valor de
granularidad de 67.18 calculado con el modelo de evaluación.
4.1.2. Caso 2: una empresa de procesamiento de harina
de trigo
1) Escenario de aplicación
La empresa de procesamiento de harina de trigo, ubicada en el Hetao llano del
norte de China, abunda en trigo de alta calidad. Ha sido certificado por ISO
9001 e ISO 22000. Un servidor y tres computadoras, necesarios como equipo
fundamental, se desplegaron en departamentos funcionales de esta empresa.
Identificación automática equipos tales como un lector RFID, etiquetas RFID,
impresoras de etiquetas RFID, impresora de código de barras, escáner de código
de barras, se utilizaron para obtener información intercambio y seguimiento.
El subsistema de mantenimiento de registros, que registró los datos de
trazabilidad en el molino de harina de trigo, tenía las funciones de datos de
materia prima adquisición, procesamiento de datos, generación de código por
lotes de trazabilidad y impresión, distribución de etiquetas RFID, adquisición de
datos de logística y datos subir. Un subsistema de consulta de trazabilidad
proporcionó dos consultas métodos: seguimiento del sitio web y rastreo del
teléfono (Qian et al., 2012).
2) Implementación de trazabilidad
El lote de materia prima, el lote de procesamiento y el lote de trazabilidad
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
literatura (Qian et al., 2012).
Establecer la relación entre el código QR adherido al paquete
pequeño y la RFID pegada en el contenedor fue un paso importante
para la trazabilidad de la cadena de suministro. Después de pegar la
etiqueta del código QR, El siguiente paso fue formar un contenedor
de paquetes cargando un número de pequeños paquetes de harina.
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,
 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
el relación de los códigos de lote de trazabilidad con la etiqueta
RFID..
3) Medida de granularidad
Los indicadores de granularidad fueron de lote único, lote mixto, muchos
a muchos, toda la información importante, actualización diaria, rastreo hacia
atrás una capa, y siguiendo dos capas hacia adelante. Por consiguiente, se
calculó un valor de granularidad de 62.31 con la evaluación modelo.
4.2. Comparación de rendimiento
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
empleados, algunos trabajadores ocasionales en temporada alta, y
alrededor de 600,000 RMB en ventas anuales. La empresa de
procesamiento de harina de trigo tenía cerca de 30 empleadores y más de
20 millones de RMB en ventas anuales.
Aunque las diferencias fueron claras, la granularidad de trazabilidad para
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.

Main category Survey items Consider by WPF Consider by WFPE Remark

Supply chain Improving management efficiency YES YES

management Enhancing the data analysis capacity by data recording YES YES
Increasing transparency by reducing information asymmetries YES WFPE linked the planting firms
Reinforcing coordination between partners YES and various customers. These
two items can improve by
information recording and
sharing.
Market and customer Protecting brand name and reputation YES YES
response Increasing sales income YES For WFPE, sale price and
Attracting new customers and easier market access YES demand will be increased with
their reputation by using the TS.
WPF had a single market and
customer.
Pre-condition to enter in international markets YES Some product for WFPE was
sold to foreign countries. The
standard must be adhered to,
including traceability
regulations.
Recall and risk Reducing the amount of product destroyed in YES YES Although it was difficult to
management response to a food safety problem locate a single product, the
Accelerating the recall speed YES YES recall range was reduced
through tracing limited
batches.
Reducing the negative impact by facilitating food recall action YES For a big enterprise, the
negative impact must be
reduced as possible. Pollution-
tainted products can be
eliminated with TS.

4.2.1. Puzzle 1: una inversión más grande obtuvo una granularidad más
baja Nivel
La inversión más grande obtuvo un nivel de granularidad más bajo. Los
empresa de procesamiento de harina de trigo invertida en los siguientes
equipo: servidor, computadoras y varios instrumentos de identificación. La
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
revisar y cambiar los procesos establecidos, capacitar a los trabajadores de
primera línea y al personal administrativo, y implementar la tecnología de la
información y otros equipos y experiencia (Bosona & Gebresenbet, 2013;
Wang, Li, O'Brien, & Li, 2010).
Los costos de rastreabilidad dependen del entorno regulatorio, tamaño de
la empresa, estrategia firme y cultura, adopción de tecnología, características
de los productos y procesos de producción, estructura y complejidad de la
cadena de suministro, y la cantidad de información para ser almacenados. La
empresa de procesamiento de harina de trigo participó en varias etapas
procesamiento, una estructura de cadena de suministro complicada, una gran
empresa, y un ambiente regulatorio estricto. Por lo tanto, necesitaba invertir
más para implementar la trazabilidad de granularidad de alto nivel.
4.2.2. Puzzle2: la empresa con mayor inversión fue más Motivado para
implementar TS
Los beneficios y los impulsores de TS se han discutido mucho (Asioli,
Boecker, y Canavari, 2014; Brofman Epelbaum, y Garcia Martinez, 2014;
Chryssochoidis, Karagiannaki, Pramatari y Kehagia, 2009;
Lavelli, 2013). Se distinguieron cuatro grupos de beneficios de trazabilidad:
regulación, recuperación y gestión de riesgos, mercado y respuesta del cliente
y operaciones de la cadena de suministro (Asioli et al., 2014). Bosona y
Gebresenbet (2013) categorizaron cinco controladores TS: comida seguridad y
calidad, regulatoria, social, económica y tecnológica preocupaciones.Es difícil
medir con precisión los beneficios y los impulsores del TS. Se realizó una
encuesta en las dos empresas para determinar el beneficio de TS. En la
empresa de siembra de trigo, el gerente fue encuestado debido a su poder de
toma de decisiones.
En la WFPE, tres las personas fueron encuestadas porque el poder de toma de
decisiones es compartido por un gerente y dos subdirectores; un factor fue
considerado beneficioso cuando todos los gerentes lo calificaron
positivamente. Los artículos de la encuesta y los resultados se muestran en la
Tabla 3.
Es obvio que WFPE tuvo más beneficios que WPF, como se determinó por las
respuestas de los gerentes. WFPE vio beneficios en el suministro gestión de la
cadena, mercado y respuesta del cliente, y recuperación y gestión de riesgos.
WFPE por lo tanto tenía una fuerte motivación para aplicar
TS.
5. Conclusiones y trabajos futuros
Los conceptos de granularidad integral y cuantificable se presentaron para
medir TS en la industria agroalimentaria. La amplitud de granularidad se
indicó en un marco 3D esa combinación de precisión, amplitud y profundidad.
La cuantificabilidad era encarnada en un sistema de indicadores que tenía dos
capas y siete indicadores, y en un modelo de evaluación de granularidad.
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
involucró el procesamiento en varias etapas, una cadena de suministro
complicada estructura, grandes empresas y un entorno regulatorio estricto. Eso
por lo tanto, se necesita invertir más para implementar la granularidad
trazabilidad a un nivel equivalente al de WPF. Además, WFPE vio más
beneficios que WPF; los vio en la cadena de suministro gestión, mercado y
respuesta del cliente, y recuperación y riesgo administración. Por lo tanto,
estaba fuertemente motivado para implementar un alto nivel tecnología de
seguimiento de granularidad
Aunque las medidas de granularidad actualizadas se basaban en el análisis y la
asimilación de la investigación existente, todavía había algunas insuficiencias Las
características de la empresa afectaron la granularidad nivel. Si se ignoraron los
factores de las empresas, la comparación de granularidad entre las empresas
carecería de persuasión, ya que Puzzle 1 mostró. Dado que las muestras de la
encuesta fueron limitadas, el problema todavía no se puede explicar con claridad.

La literatura existente ha evaluado TS desde dos perspectivas: características del

sistema tales como granularidad y el rendimiento del sistema, como el costo y

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.

Eso implicaría recolectar datos de muestra y analizar las

características de la empresa, el nivel de granularidad y el costo y
beneficios. Se combinaría un modelo actualizado de evaluación de
granularidad características de la empresa y posiblemente destapar
una visión más completa de TS costo y beneficios; Tal modelo será
estudiado en futuras investigaciones. Por otro lado, valide el
modelo de una cadena de suministro completa y comparación de
diferentes productos se estudiarán profundamente
Acknowledgments

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