MétaCan
Menu
Retour à la cohorte
Enregistrement W2734575138 · doi:10.1111/itor.12440

Two‐echelon supply chain operations under dual channels with differentiated productivities

2017· article· en· W2734575138 sur OpenAlexafffund
Debing Ni, Kevin Li, Xiang Fang

Notice bibliographique

RevueInternational Transactions in Operational Research · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensUniversity of Windsor
Organismes subventionnairesProgram for New Century Excellent Talents in UniversityNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésSupply chainProfit (economics)Futures contractFutures marketBusinessIndustrial organizationMicroeconomicsDual (grammatical number)EconomicsMarketingFinance

Résumé

récupéré en direct d'OpenAlex

Abstract This paper examines a two‐echelon supply chain with an upstream supplier (she) and a downstream manufacturer (he) transacting an intermediate product via direct bilateral contracting and futures market channels with differentiated productivities. A game model is established to examine the dual‐channel supply chain operations. Analytical results reveal that downstream productivity improvement (DPI) through the bilateral interaction is necessary and sufficient for the supply chain members to trade in the bilateral channel in addition to the futures market. We show that when the price in the futures market increases, the manufacturer would purchase less from the futures market and more from the supplier, which not only increases the supplier's expected profit but also increases her risk (variance of the profit) in equilibrium. Furthermore, when the bilateral channel exhibits stronger DPI, the manufacturer obtains a higher expected profit and bears a higher risk, but the supplier enjoys a higher expected profit without incurring any additional risk.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,100
Tête enseignante GPT0,358
Écart entre enseignants0,258 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Transactions in Operational ResearchMême sujetSupply Chain and Inventory ManagementTravaux en français237 207