Forecast Model for Return Quality in Reverse Logistics Networks
Notice bibliographique
Résumé
Giving rise to the field of reverse logistics are the governmental legislations mandating used electronics take-backs and sustainable recovery, which often burden manufacturers with the challenge of high implementation costs but no guaranteed profitability. One way to tackle this challenge is to demystify the multi-faceted uncertainties of product returns, namely timing, quantity and quality, that currently inhibit optimal design and operations of reverse logistics networks (RLN). In recognition of the limitations particularly caused by uncertainty of returns’ quality in the strategic, tactical and operational planning of the RLN, this research seeks to develop a forecast model for the prediction of the returns’ quality of future electronics returns. The proposed forecast model comprehensively incorporates three major factors that affect quality decisions which are usage, technological age and remaining economic value of expected product returns to predict its quality grade. While technological age and economic trends can readily be established, the main complexity lies in modeling of usage-dependent reliability distribution of returned electronics. The novelty of the proposed forecast model lies in deducing usage distributions through segmentation of the consumer base by socioeconomic factors such as age, income, educational status and location. These usage distributions are then used to estimate remaining useful life of returned products and their components, the associated repair costs and the subsequent profitability of reprocessing based on economic value in the market. This research develops analytical models of expected return quality based on empirical usage distributions and pricing trends. The analytical models are then applied in Monte Carlo simulations to forecast expected returns’ quality from different regions, including large and small population centers, in Canada.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,000 |
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; 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 ».