Multi-Criteria Decision Making Models for Sustainable and Green Supply Chain Management Based on Fuzzy Approach
Notice bibliographique
Résumé
Understanding different aspects of sustainability, supply chain management (SCM), and decision making policies and relating them to performance measurement have been increasingly investigated in the last decade. In contrast to traditional SCM, which typically focuses on economic and financial business performance, sustainable SCM (SSCM) is characterized by explicit integration of environmental or social objectives which extend the economic dimension. For evaluating the sustainability of SCM as well as its greenness, we have to consider many and different index and criteria. One of the best tools for assessing the SSCM and GSCM is multicriteria decision making (MCDM) techniques. Many studies have been conducted in this area. Moreover, there are many uncertainty factors which may reduce the accuracy of MCDM result. Actually, Uncertainty is always a worsening factor in any decision support models, and dilutes the planned objectives of such models. For decreasing this uncertainty, fuzzy logic has been combined with MCDM approach. In fact, the main purpose of this chapter is considering the recent studies in area of SSCM and GSCM regarding to applications of fuzzy MCDM techniques. At the end of this chapter, based on out investigations in applications of fuzzy MCDM in SSCM and GSCM and regarding to research gaps, some suggestions for future studies have been proposed.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».