Evaluating CO2 Emissions Associated With International Outsourcing in Manufacturing Supply Chains
Notice bibliographique
Résumé
International outsourcing is a growing phenomenon in manufacturing industries due to the limited resources and the economic benefits of this phenomenon. Although international outsourcing seems to be a cost efficient way of production, the concerns about its CO2 emissions are rising dramatically. In this research, the impacts of international outsourcing on the CO2 emissions of all industries have been quantified. Input output analysis and linear programming have been implemented by programming in the Matlab as the research methodology. Australian manufacturing industry (outsourcer) and Chinese manufacturing industry (outsourcee) and their main suppliers that emit high CO2 levels were selected as a case study. The results of this study depict that international outsourcing of Australian manufacturing industry will reduce not only the CO2 emissions of that industry but also the CO2 emissions of the other domestic industries in Australia. In contrast, this international outsourcing will increase the CO2 emissions of both China and the other countries’ industries. This will lead to the growth of global CO2 emissions. In the worst case scenario, if the Australian manufacturing industry shuts down all its production, China and other countries CO2 emissions will increase 4.88% and 0.05% respectively. On this occasion, global CO2 emissions will increase by 0.82%. This paper presents a decision support system that will be useful for policy makers to evaluate the effect of different international outsourcing scenarios on CO2 emissions before making any real outsourcing decisions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».