MétaCan
Menu
Retour à la cohorte
Enregistrement W2955872432 · doi:10.5267/j.dsl.2019.4.003

Scenario-based designing of closed-loop supply chain with uncertainty in returned products

2019· article· en· W2955872432 sur OpenAlexvenueno aff
Iman Ghasemian Sahebi, Behzad Masoomi, Shahryar Ghorbani, Tanyeri Uslu

Notice bibliographique

RevueDecision Science Letters · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupply chainClosed loopBusinessEnvironmental economicsIndustrial organizationOperations managementComputer scienceProcess managementRisk analysis (engineering)EngineeringEconomicsMarketingControl engineering

Résumé

récupéré en direct d'OpenAlex

Closed-loop supply chain management is an effective and efficient solution for a set of activities to retrieve a product from a customer and improve its value or to dispose it.Today, designing and planning a closed-loop chain is an inevitable but difficult task.In this research, a scenariobased modeling approach is presented by considering both forward and reverse flows as a closedloop supply chains in steel industry.The proposed study also develops a multi-product and multiperiod model based on a mixed integer linear programming (MILP) approach for profit maximization.The study also considers uncertainty in the amount of raw material, processing, storage and distribution of several products flow.Uncertainty is associated with the quantity and quality of the products in the reverse flow, which are directly affected by customers and sorting centers, respectively.Finally, the model is deployed in Steel industry with real data.The results show that by increasing the quality level of returned products the need for raw materials is reduced and the total profit of the supply chain is increased..

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDecision Science LettersMême sujetSustainable Supply Chain ManagementTravaux en français237 207