Evaluation of the allocation performance in a fashion retail chain using data envelopment analysis
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.
Notice bibliographique
Résumé
Efficiency is one of the most important criteria of performance evaluation in any supply chain management, especially in the fashion retail industry. In the fashion industry, products are characterized by short life cycles and demand uncertainty. Most fast-fashion companies have employed the allocation practice that includes initial allocation and multireplenishment to capture the latest market information. Previous studies focus more on optimizing allocation policies, but overlook the efficiency issue, and the models always tend to be complex and are difficult to understand or apply. In this study, we model the allocation process as a multi-stage system with multiple inputs and outputs. A time-based dynamic network Data Envelopment Analysis (DEA) model, called multi-stage efficiency model (MEM), is developed to evaluate the allocation performance. The MEM considers undesirable outputs, dual-role factors (inventory as an output at the end of previous stage and the input at the beginning of the next stage) and the inconsistent attributes of the dual-role factors among the multi-stages. Meanwhile, the traditional DEA model is introduced to demonstrate the MEM is essential to capture the allocation performance. Based on the MEM results, the more appropriate initial allocation strategy is identified and the factors affecting allocation performance are discussed. The model is applied to a major Canadian fast-fashion company to validate the effectiveness. This article not only provides valuable managerial insights of supply chain management for fashion companies, but also makes contributions to the industrial application of theoretical OR (operation research) models.
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 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 | 0,030 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle