Raw material supplier selection in a glove manufacturing: Application of AHP and fuzzy AHP
Notice bibliographique
Résumé
This paper considered a case of supplier selection problem in a glove manufacturer located at Yogyakarta, Indonesia that uses genuine sheep leather as the raw material.The problem is solved using both Analytical Hierarchy Process (AHP) and Fuzzy AHP, in which three versions of Fuzzy AHP are applied i.e.Extent Analysis proposed by Chang (1996) [Chang, D. Y. (1996).Applications of the extent analysis method on fuzzy AHP.European Journal of Operational Research, 95(3), 649-655.],Extent Analysis proposed by Wang (2008) [Wang, Y. M., Luo, Y., & Hua, Z. (2008).On the extent analysis method for fuzzy AHP and its applications.European Journal of Operational Research,186(2), 735-747.], and the modified Fuzzy LLSM proposed by Wang (2006) [Wang, Y. M., Elhag, T. M., & Hua, Z. (2006).A modified fuzzy logarithmic least squares method for fuzzy analytic hierarchy process.Fuzzy Sets and Systems, 157(23), 3055-3071.].Moreover, the research is conducted by incorporated four expert respondents, who have more than 12 years of experience in the problem.It is found that the top four priorities obtained from AHP are similar with those from Fuzzy AHP with Extent Analysis proposed by Chang (1996) and Fuzzy AHP with the modified Fuzzy LLSM proposed by Wang (2006).This priority list of supplier can be used by the manufacturer to select the raw material supplier..
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».