A fuzzy rule-based approach to prioritize third-party reverse logistics based on sustainable development pillars
Notice bibliographique
Résumé
An efficient reverse logistics structure plays an important role in improving market competitiveness. The complexity of reverse logistics operations, customer service improvement, and costs elimination highlight the necessity of reverse operations outsourcing to the third-party reverse logistics providers (3PRLPs). Investigating and selecting an appropriate 3PRLP is recognized as a significant issue by manufacturers. This problem is affected by uncertainty, basically due to the vagueness intrinsic to the assessment of qualitative factors. This paper aims to propose a structured approach to prioritizing 3PRLPs based on sustainability criteria under fuzzy environment which accommodate the uncertainty associated with the vagueness of qualitative criteria. The proposed approach is composed of two main steps in which the first step employed the fuzzy Decision-Making Trial and Evaluation Laboratory (DEMATEL) to select the effective criteria and the second step used Mamdani Fuzzy Inference System (FIS) model to cope with the vagueness that exists in the 3PRLPs evaluation process. If-then scenarios are employed to design rules of a FIS model which are devised by experts. The Experts’ knowledge about the problem is incorporated into the FIS system. This is a significant benefit of the proposed approach, in comparison with approaches which incorporate fuzzy set theory with multi-criteria decision-making models. An industrial case study is conducted to highlight the real-life applicability of the proposed approach. In addition, a sensitivity analysis is performed to confirm the robustness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».