Detailansicht
Identifying decarbonization leverage points in supply networks with network measures that quantify systemic relevance
Johannes Stangl
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Physik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Computational Science
Betreuer*in
Stefan Thurner
DOI
10.25365/thesis.71096
URN
urn:nbn:at:at-ubw:1-21457.10144.519555-2
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Der menschengemachte Klimawandel ist eine der drängendsten Probleme unserer Zeit, aber der Übergang zu einer kohlenstoffarmen Wirtschaft ist mit vielen Herausforderungen verbunden. Eine der größten ist die Umstrukturierung der wirtschaftlichen Produktion, so dass die geringste Menge an Treibhausgasen ausgestoßen wird, während die Produktion wirtschaftlicher Güter und Dienstleistungen auf einem akzeptablen Niveau gehalten wird. In dieser Arbeit wird die Wirtschaft als komplexes Netzwerk modelliert, um zu zeigen, wie eine Netzwerkperspektive die sogenannte Green Transition hin zu einer kohlenstoffarmen Wirtschaft unterstützen kann. Zu diesem Zweck wird die systemische Relevanz jedes Unternehmens in diesem Netzwerk quantifiziert und mit seinen jährlichen Treibhausgasemissionen verglichen, um potenzielle Hebel zur Dekarbonisierung zu identifizieren. Diese Idee wird für die 30 000 Unternehmen im österreichischen Schweinefleisch-Produktionsnetzwerk demonstriert, das aus verschiedenen Datenquellen rekonstruiert wird. Die Knoten in diesem Netzwerk sind einzelne Unternehmen wie Bauernhöfe, Schlachthöfe, Fleischverarbeiter, Vertriebszentren und Supermärkte.
Die gerichteten und gewichteten Kanten sind Liefer- und Kaufbeziehungen zwischen diesen Unternehmen und stellen die Anzahl der transferierten Schweine oder das Volumen des gehandelten Schweinefleisches dar. Jedes Unternehmen ist von seinen Lieferanten abhängig, die Ressourcen für dessen Produktion liefern und von seinen
Käufern, um seine Produkte zu verkaufen. Aus diesen wechselseitigen Abh¨angigkeiten ergeben sich komplexe
Netzwerkstrukturen, die anf¨allig f¨ur potenzielle Kaskadeneffekte sind, wenn ein Unternehmen seine Lieferungen an oder die K¨aufe von seinen benachbarten Unternehmen einstellt. Das systemimmanente Risiko, das
jeder Knoten f¨ur das gesamte Netz darstellt, kann durch die Simulation seines Ausfalls und der Beobachtung der Folgen quantifiziert werden. Durch Aufsummieren der Produktionsverluste l¨asst sich der economic
systemic risk index ESRI eines Unternehmens berechnen - eine Methode, die von Diem et al. [1] entwickelt
wurde. Dieses Maß f¨ur die sozio¨okonomische Relevanz wird mit den CO2-Emissionen der einzelnen Unternehmen
im ¨osterreichischen Schweinefleisch-Produktionsnetzwerk verglichen. Die CO2-Emissionen, die mit einem bestimmten Produktionsschritt verbunden sind, werden mithilfe einer k¨urzlich von Winkler et al. [2] durchgef¨uhrten
Lebenszyklusanalyse f¨ur ¨osterreichisches Schweinefleisch berechnet. Unternehmen mit hohen Emissionen und
geringer sozio¨okonomischer Relevanz, die durch den ESRI quantifiziert wird, sind potenzielle Hebel f¨ur die
Dekarbonisierung. Wenn man diese Unternehmen mit regulatorischen Maßnahmen oder maßgeschneiderten
CO2 Steuern ins Visier nimmt, ist ein Maximum an eingesparten Emissionen und ein Minimum an St¨orungen der Gesamtproduktion zu erwarten. Dieses Resultat wird f¨ur zwei simple Ubergangsszenarien f¨ur das ¨
¨osterreichische Schweinefleisch-Produktionsnetzwerk getestet. Die Modellierung der Wirtschaft als komplexes
(Produktions-)Netzwerk zeigt somit sowohl Potentiale zur Treibhausgasreduktion als auch m¨ogliche Fallstricke
in der Dekarbonisierung auf.
Abstract
(Englisch)
Climate change is one of the most urgent problems of today, but the transition to a low carbon economy comes
with many challenges. One of the biggest is the reorganization of economic production such that the least
amount of greenhouse gases is emitted while the production of economic goods and services is kept at decent
levels. In this thesis, the economy is modeled as a complex network to show how a networks perspective might
inform the low carbon green transition. In order to do that the systemic relevance of each company in this
economic network is quantified and compared with its greenhouse gas emissions to identify potential leverage
points for decarbonization. This idea is first motivated and then demonstrated for the 30 000 companies involved
in the Austrian pork supply network which is reconstructed from various data sources. The nodes in this network
are individual companies such as farms, slaughterhouses, meat processors, warehouses and supermarkets. The
directed weighted edges are supply and buy relations between those companies and represent the transferred
number of pigs or volume of pork. Each company is dependent on its suppliers to deliver resources for its
production and on its buyers to sell its products. From these interdependencies network structures arise that
are vulnerable to potential cascading failures, should a node stop supplying to or buying from its neighboring
nodes. The inherent systemic risk that each node poses to the whole network can be quantified by simulating
its failure and observing the consequences. By summing up the losses of production a company’s economic
systemic risk index ESRI can be calculated - a method developed by Diem et al. [1]. This measure of
socio-economic relevance is compared with the CO2 emissions of each company in the Austrian pork supply
network. The CO2 emissions associated with a particular production step are calculated using a recent life cycle
assessment of Austrian pork done by Winkler et al. [2]. Companies with high emissions and low socio-economic
relevance, quantified by the ESRI, are potential levers for decarbonization. By targeting these companies with
regulatory policies or tailored carbon taxes, a maximum of saved emissions and a minimum of disruption to
overall production can be expected. This finding is tested for two simple transition scenarios for the Austrian
pork supply network. Thus, modeling the economy as a complex (production) network reveals greenhouse gas
mitigation potentials as well as possible pitfalls of decarbonization efforts.
Schlagwörter
Schlagwörter
(Deutsch)
Komplexe Netzwerke Komplexe Syteme Systemisches Risiko Klimawandel Dekarbonisierung Wirtschaft
Schlagwörter
(Englisch)
Complex Networks Complex Systems Systemic Risk Climate Change Decarbonization Economy
Autor*innen
Johannes Stangl
Haupttitel (Englisch)
Identifying decarbonization leverage points in supply networks with network measures that quantify systemic relevance
Paralleltitel (Deutsch)
Identifikation von Hebelpunkten zur Dekarbonisierung in Liefernetzwerken mittels Netzwerkmaßen, die systemische Relevanz quantifizieren
Publikationsjahr
2022
Umfangsangabe
61 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Stefan Thurner
Klassifikationen
43 Umweltforschung > 43.63 Umweltbelastung durch Industrie, Bergbau und Energieerzeugung ,
54 Informatik > 54.64 Datenbanken ,
54 Informatik > 54.76 Computersimulation ,
54 Informatik > 54.80 Angewandte Informatik ,
54 Informatik > 54.89 Angewandte Informatik: Sonstiges ,
83 Volkswirtschaft > 83.63 Volkswirtschaftliche Ressourcen, Umweltökonomie
AC Nummer
AC16537011
Utheses ID
62018
Studienkennzahl
UA | 066 | 910 | |