Impact of government policies on Sustainable Petroleum Supply Chain (SPSC): A case study – Part II (The State of Nebraska)
Notice bibliographique
Résumé
The accompanying part I (Ghahremanlou and Kubiak, 2020) developed the Lean Model (LM), a two-stage stochastic programming model which incorporates Renewable Fuel Standard 2 (RFS2), Tax Credits, Tariffs, and Blend Wall (BW), to study the policy impact on the Sustainable Petroleum Supply Chain (SPSC) using cellulosic ethanol. The model enables us to study the impact by running computational experiments more efficiently and consequently by arriving at robust managerial insights much faster. In this paper, we present a case study of the policy impact on the SPSC in the State of Nebraska using the model. The case study uses available real-life data. The study shows that increasing RFS2 does not impact the amount of ethanol blended with gasoline but it might lead to the bankruptcy of the refineries. We recommend that the government consider increasing the BW because of its positive economic, environmental and social impacts. For the same reason, we recommend that the tax credit for blending the US produced ethanol with gasoline be at least 0.189 $/gal and the tariff for imported ethanol be at least 1.501 $/gal . These also make the State independent of foreign ethanol thereby enhancing its energy security. Finally, the change in policy impacts the SPSC itself, most importantly it influences strategic decisions. However setting up a bio-refinery at York county and a blending site at Douglas county emerge as the most robust location decisions against the policy change in the study.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».