Hybrid performance evaluation of sustainable service and manufacturing supply chain management: An integrated approach of fuzzy dematel and fuzzy inference system
Notice bibliographique
Résumé
Summary The aim of this paper is to propose a comprehensive framework for simultaneously measuring the performance of sustainable service and manufacturing supply chain management. Application of the proposed approach also results in reduced uncertainty of the performance measurement process caused by qualitative criteria evaluation. The proposed approach consists of two main steps. First, the fuzzy decision‐making trial and evaluation laboratory (DEMATEL) method has been used to determine important criteria by avoiding low influences; and then a Mamdani fuzzy inference system model has been adopted and applied for performance evaluation of sustainable supply chain management (SSCM). This model is employed in order to cope with the vagueness that exists in the SSCM performance investigation due to the vagueness intrinsic in the evaluation of criteria. In the proposed model, human reasoning has been modelled with fuzzy inference rules and has been set in the system, which is an advantage compared with those models in which fuzzy set theory and multicriteria decision‐making models are integrated. The proposed approach has been implemented in the pipe and fitting industry in order to highlight its application in real life. Sensitivity analysis has been carried out to determine the influence of service and manufacturing criteria on SSCM performance. The findings reveal that sustainable manufacturing criteria compared with sustainable service criteria have more effect on the performance of SSCM.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».