AD ALTA 

 

JOURNAL OF INTERDISCIPLINARY RESEARCH

 

 

 

logistics system management process as it can quickly adapt to 
relatively small changes. Assessing the fact that the price may 
rise or fall gradually makes the logistics system even more 
resilient. If the prices rise cluster subjects in the area can provide 
themselves with the required amount of cheap fuel, which would 
enable cost-effective operations over a long period of time. 

Table 8 Daily biomass preparation cost in the second area.  

Supply 

site ID 

(Second 

area 

Required 

quantity of 

biomass, 

toe 

Sum 
(NF) 

DBPC, 

(FP = 

1,10) 

DBPC 

(FP = 

1,20) 

1 

515 

4120 

4532 

4944 

2 

245 

1960 

2156 

2352 

3 

215 

1720 

1892 

2064 

4 

335 

2680 

2948 

3216 

5 

540 

4320 

4752 

5184 

Total: 

1850 

14800 

16280 

17760 

Source: created by the authors 

The results obtained in the empirical study show that the 
logistics system can be effective in areas with both high and low 
demand for biomass. Transportation and biomass processing 
costs are heavily influenced by fuel costs. Changing operational 
costs also change the final biomass price. Generally speaking it 
can result in increased or decreased energy prices for end users. 

In the second area, due to the relatively unfavourable distribution 
of the mines, biomass cannot be supplied from the northern part 
of the area, but the logistics system helps maintaining region's 
competitiveness in terms of energy. In the case of the first area, a 
more even distribution of biomass processing sites enables a 
balanced distribution of biomass flows, and the logistics supply 
chain is key in achieving this goal. 

3 Conclusion 

Logistics system is a universal tool that helps balancing the 
supply of resources in required directions. This is especially 
relevant for a biomass cluster as its activities are based on 
smooth biomass supply to power plant. In the case of biomass 
clusters flexible logistics system is used and depending on 
demand intermediary services may or may not be used to fulfil 
it. There are several types of logistics systems, but it is generally 
acknowledged that the main elements of the logistics system are 
the manufacturer, the intermediary (if necessary) and the user. 
All trading operations are carried out between these entities. 

In this research we used data related to the amount of biomass 
consumed and seasonality in two hypothetical areas. Areas have 
different energetic capacities, which allows us to reveal the 
flexibility of the logistics system. In the first area there are seven 
biomass supply sites and the power plant is located almost in the 
middle of the geographical region. In the second area there are 
five biomass supply sites but the combustion point is located in 
the northern part of the region. The latter complicates the 
biomass supply process and emphasizes the need for a logistics 
system. Seasionality changes the demand for biomass, which 
affects the intensity of the logistics chain. To analyze the impact 
of the logistics system costs of fuel used for biomass 
transportation and processing are examined. 

The obtained empirical research results show that the logistics 
system works in both high and low intensities of biomass usage. 
It has been established that more distant supply sites can be used 
when demand for biomass is increasing evenly and closed sites 
can be utilized to neutralize sudden jumps in demand. Fuel price 
volatilities significantly increase the costs therefore when the 
fuel price rises, logistics system enables a more responsible 
management of the costs associated with biomass transportation 
and processing. 

Literature: 
 
1.

 

Arvis J.F., Saslavsky D., Ojala L., Shepherd B., Busch C., 

and Raj A., Connecting to Compete 2014. Trade Logistics in the 

Global Economy. The Logistics Performance Index and Its 
indicators. http://www.worldbank.org/content/dam/Worldbank/d 
ocument/Trade/LPI2014.pdf , 2014. 
2.

 

Bartolacci M. R., Leblanc L. J., Kayikci Y., and Grossman 

T. A., Optimization Modeling for Logistics: Options and 
Implementations, Journal of Business Logistics, 2012, vol. 33, 
no 2, pp. 118–127. 
3.

 

Bazaras D., 

Įvadas į logistiką: mokomoji knyga,  Vilnius: 

Vilniaus Gedimino technikos universitetas, 2005. 
4.

 

Braškienė L. Logistika. Vilnius: Vilniaus Universiteto 

leidykla, 2009. 
5.

 

Christopher M., 

Logistika ir tiekimo grandinės valdymas. 

Vilnius: Eugrimas, 2007. 
6.

 

Ebbekink M., and Lagendijk A., What’s Next in 

Researching Cluster Policy: Place-Based Governance for 
Effective Cluster Policy, European Planning Studies, 2013, vol. 
21, no. 5, pp. 735-753. 
7.

 

Faße A., Winter E., and Grote U., Bioenergy and rural 

development: The role of agroforestry in a Tanzanian village 
economy, Ecological Economics, 2014, vol. 106, no. 106, pp. 
155-166. 
8.

 

Gaweł A., and Jankowska B., Entrepreneurial Orientation 

Versus the Sustainability and Growth of Business Clusters, 
Przedsi biorstwo we wspó czesnej gospodarce-teoria i praktyka, 
2012, vol. 1, no. 1, pp. 5-14. 
9.

 

Grigoras G. and Scarlatache F., An assessment of the 

renewable energy potential using a clustering based data mining 
method. Case study in Romania, Energy, 2015, vol. 81, no. 81, 
pp. 416-429. 
10.

 

Hackl R., and Harvey S., Design Strategies for Integration 

of Biorefinery Concepts at Existing Industrial Process Sites, 
Process Design Strategies for Biomass Conversion Systems, 
2016, pp. 77-102. 
11.

 

Husmann K., and Rumpf S., and Nagel, J, Biomass 

functions and nutrient contents of European beech, oak, 
sycamore maple and ash and their meaning for the biomass 
supply chain, Journal of Cleaner Production, 2018, vol. 172, no. 
172, pp. 4044-4056. 
12.

 

Kaygusuz K., Energy for sustainable development: key 

issues and challenges. Energy Sources, Part B: Economics, 
Planning, and Policy, 2007, vol. 2, no. 1, pp. 73-83. 
13.

 

Kuula J., Neittaanmäki P., Pölönen I., and Tuovinen T., 

Mathematical model based IT tools for supporting the open 
value forming and pricing of biomass at the renewable energy 
sector, In Proceedings of NORDIC BIOENERGY 2011 
Conference, 2011. 
14.

 

Palšaitis R., 

Šiuolaikinė logistika, Vilnius: Technika, 2010. 

15.

 

Saah D., Patterson T., Buchholz T., Ganz D., Albert D., and 

Rush K., Modeling economic and carbon consequences of a shift 
to wood-based energy in a rural ‘cluster’; a network analysis in 
southeast Alaska, Ecological Economics, 2014, vol. 107, no. 
107, pp. 287–298. 
16.

 

Vitasek K., Supply chain management, Healthcare 

Informatics: The Business Magazine for Information and 
Communication Systems, 2013, vol. 17, no. 2, pp. 58–60. 
17.

 

Walker G., What are the barriers and incentives for 

community-owned means of energy production and use? Energy 
Policy, 2008, vol. 36, no. 36, pp. 4401–4405. 
18.

 

Yang Z., Hao P., and Cai J., Economic clusters: A bridge 

between economic and spatial policies in the case of Beijing, 
Cities, 2015, vol. 42, no. 42, pp. 171-185. 
 
Primary Paper Section: A 
 
Secondary Paper Section: AH 

- 298 -