Incentives and Emission Responsibility Allocation in Supply Chains
Notice bibliographique
Résumé
Because greenhouse-gas (GHG) emissions from the supply chains of just the 2,500 largest global corporations account for more than 20% of global emissions, rationalizing emissions in supply chains could make an important contribution toward meeting the global CO 2 emission-reduction targets agreed upon in the 2015 Paris Climate Agreement. Accordingly, in this paper, we consider supply chains with joint production of GHG emissions, operating under either a carbon-tax regime, wherein a regulator levies a penalty on the emissions generated by the firms in the supply chain, or an internal carbon-pricing scheme. Supply chain leaders, such as Walmart, are assumed to be environmentally motivated to induce their suppliers to abate their emissions. We adopt a cooperative game-theory methodology to derive a footprint-balanced scheme for reapportioning the total carbon emissions amongst the firms in the supply chain. This emission responsibility-allocation scheme, which is the Shapley value of an associated cooperative game, is shown to have several desirable characteristics. In particular, (i) it is transparent and easy to compute; (ii) when the abatement-cost functions of the firms are private information, it incentivizes suppliers to exert pollution-abatement efforts that, among all footprint-balanced allocation schemes, minimize the maximum deviation from the socially optimal pollution level; and (iii) the Shapley value is the unique allocation mechanism satisfying certain contextually desirable properties. This paper was accepted by Jayashankar Swaminathan, operations management.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».