Integrated supply chain risk management via operational methods and financial instruments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Supply chain risk management (SCRM) is an emerging field that generally lacks integrative approaches across different disciplines. This study contributes to narrowing this gap by developing an integrated approach to SCRM using operational methods and financial instruments. We study a supply chain composed of an aluminium can supplier, a brewery and a distributor. The supply chain is exposed to aluminium price fluctuation and beer demand uncertainty. A stochastic optimisation model is developed for managing operational and financial risks along the supply chain. Using this model as a base, we compare the performance of an integrated risk management model (under which operational and financial risk management decisions are made simultaneously) to a sequential model (under which the financial risk management decisions are made after the operational risk management decisions are finalised). Through simulation-based optimisation and using experimental designs and statistical analyses, we analyse the performance of the two models in minimising the expected total opportunity cost of the supply chain. We examine the supply chain performance as a function of three factors, each at three levels: risk aversion, demand variability and aluminium price volatility. We find that the integrated model outperforms the sequential model in most but not in all cases. Furthermore, while the results indicate that the supply chain improves its performance by being less risk averse, there exists a threshold beyond which accepting a higher risk level is not justified. Managerial insights are provided for various business scenarios experimented with.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle