MétaCan
Menu
Retour à la cohorte
Enregistrement W1609694602 · doi:10.1109/icadlt.2015.7136620

Sustainable supply chain planning and optimization trade-offs between cost, GHG emissions and service level

2015· article· en· W1609694602 sur OpenAlexaff
Amin Chaabane, Ramin Geramianfar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésSupply chainGreenhouse gasSustainabilityEnvironmental economicsBusinessPalletTotal costService (business)EconomicsMarketing

Résumé

récupéré en direct d'OpenAlex

Sustainable supply chain planning plays an important role to achieve sustainable operations and logistics. Sustainable supply chain performance is based on economic, environmental and social impacts. In this paper, we present a multiobjective decision making framework for sustainable supply chain optimization. We consider a supply chain network consisting of production plants, distribution centers and retailers (customers). A multi-product and multi-period planning model is proposed. Sustainability is evaluated based on three performances: cost, GHG emissions, and service level. We use this model in test case of Frozen Food industry. Preliminary experimentation demonstrates that the three objectives are conflicting. However, just in time distribution might increase total cost but reduce GHG emissions due to the best control of inventories at distribution centers and retailers. Indeed, the energy consumption caused by storing pallet of frozen food decrease. On the other hand, total cost optimization lead to service level decrease with more efficient transportation (Full track Load Delivery) and reduce GHG emission of transportation activities. Finally, the decision making model helps to identify the trade-off between the three conflicting objectives, and take the best decisions to achieve sustainability objectives of the supply chain.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,049
Tête enseignante GPT0,258
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSustainable Supply Chain ManagementTravaux en français237 207