MétaCan
Menu
Retour à la cohorte
Enregistrement W2583901800 · doi:10.2989/20702620.2016.1255380

A South African softwood sawtimber supply chain case study

2017· article· en· W2583901800 sur OpenAlex
Pierre Ackerman, Elizabeth A van der Merwe, Reino Pulkki

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueSouthern Forests a Journal of Forest Science · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensLakehead University
Organismes subventionnairesUniversity of British Columbia
Mots-clésNet present valueEnvironmental scienceSupply chainTransport engineeringForest roadCash flowFellingTransport networkComputer scienceBusinessEngineeringForestryGeographyFinanceAgroforestry

Résumé

récupéré en direct d'OpenAlex

Supply chain management principles were analysed by investigating the effects of smaller-scale and incremental interventions in a forest-to-mill value chain on financial returns and forest resource use in an Eastern Cape case study area. Three previous studies provided input by determining fibre balances, a terrain factor, and primary and secondary transport travel speeds and efficiencies. Network analysis, combined with raster-based GIS, analysed different primary and secondary transport scenarios. The forest road network was repeatedly refined through theoretical removal of lower-class roads and subsequent upgrades of remaining roads, and the timber resource flowed over the remaining road network to the mill. Four road networks, including the existing and unrefined network, were studied. With sequentially improved secondary transport travel speeds, primary transport efficiency and fibre use, the net financial returns of the various scenarios were determined by applying discounted cash flow analysis (NPV). To address all possible combinations, 144 unique scenarios were created. The highest NPV achieved was R300.8 million associated with a highly upgraded road network and associated fast secondary transport speeds, cable skidder extraction, motor-manual felling and cross-cutting at the merchandising yard, all factors at optimal performance. The lowest NPV was R40.4 million associated with a simplified road network, low secondary transport speeds, cable skidder extraction, mechanised felling, and roadside merchandising and at status quo systems performance. Examination of individual factors found systems performance, secondary transport speeds and road network had the greatest influence, with systems performance and fibre losses providing the largest impact. Secondary transport speed followed as nine of the top 10 NPV scenarios were achieved with the highest possible road design speeds. Higher-class networks consistently outperformed the baseline and simplified scenarios. Harvesting system had limited effect. When operating at peak performance, using a merchandising yard becomes a better choice. There was no clear difference in terms of felling method or skidder type. It is clear that the optimised use of potentially the most productive machine, for example in one system, does not provide the best final results and that it is the basic harmonisation of all factors that must be taken into account. As in all three previous and related studies, the human element played a role.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,740

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,254
Écart entre enseignants0,238 · 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