Supplier selection considering product structure and product life cycle cost
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
Purpose Supplier selection is a complex decision that involves not only the consideration of unit purchasing cost but also product life-cycle cost (LCC), which affects the company’s after-sale costs over the life cycles of their products. Product structure and its impact on the supplier selection evaluation process are rarely investigated in the literature. Therefore, product structure for a multi-criteria multi-product supplier selection problem with uncertainty is considered. In the model, we address product structure, the competitive supply environment, diverse criteria, and standard requirements. The objective is to choose suppliers that minimize LCC and maximize the reliability of the finished products. Design/methodology/approach Our model provides straightforward representation of interrelationships among multi-objectives and analysis of tradeoffs among conflicting objectives affected by product structure. We illustrate our model by using real life data from lubrication systems in the offshore reliability data (OREDA) handbook. Sensitivity analysis is provided for the case study in which various scenarios that describe product structure, the uncertainties in purchasing prices, reliabilities of purchased components, machine down-time due to poor quality components, suppliers’ capacity and delivery times. Different priority ranking among objectives is also tested to examine the impact of each objective on the overall objective. Findings Our computational results are based on real data and would provide useful guidelines for the management in OEM to choose right suppliers. Originality/value Product structure and its impact on the supplier selection evaluation process are rarely investigated in the literature. Therefore, product structure for a multi-criteria multi-product supplier selection problem with uncertainty is considered.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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