MétaCan
Menu
Retour à la cohorte
Enregistrement W3097550964 · doi:10.1080/01446193.2020.1831037

Integrated construction supply chain: an optimal decision-making model with third-party logistics partnership

2020· article· en· W3097550964 sur OpenAlexaffabout
Phuoc Luong Le, Imen Jarroudi, Thiên-My Dao, Amin Chaabane

Notice bibliographique

RevueConstruction Management and Economics · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésSupply chainGeneral partnershipOrder (exchange)Supply chain managementBusinessDecision modelComputer scienceThird partyOperations researchEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

Studies have confirmed the benefits of using Third-party logistics (TPL) for efficient construction management, especially in large projects. Nevertheless, there is a dearth of decision-making models evaluating the exact role of TPL providers as drivers for supply chain (SC) integration and optimisation. This study aims to develop a decision-making model for construction supply chain (CSC) optimisation, with possible TPL integration. The proposed model considers two types of purchased materials (type-1 and type-2) and assists the main contractor in determining construction supply chain management (CSCM) strategies, including supplier selection, order quantity determination, and TPL use evaluation. Using the model, the main contractor can take advantage of the TPL provider’s warehouse and order larger quantities, if necessary, to obtain lower prices offered by suppliers. Through case examples in Canada, we find that the proposed model performs better in optimising total SC cost, as compared to the model without TPL. Model validations also show that TPL can be conditionally used to improve construction logistics performance and to meet practical requirements targeting issues in the construction industry.

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)0,002
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 enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,026
Tête enseignante GPT0,214
Écart entre enseignants0,189 · 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

Citations39
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConstruction Management and EconomicsMême sujetOutsourcing and Supply Chain ManagementTravaux en français237 207