MétaCan
Menu
Retour à la cohorte
Enregistrement W3155136631 · doi:10.3390/jrfm14040173

A Sustainable Economic Recycle Quantity Model for Imperfect Production System with Shortages

2021· article· en· W3155136631 sur OpenAlexaffvenue
Ali AlArjani, Md. Maniruzzaman Miah, Md. Sharif Uddin, Abu Hashan Md Mashud, Hui‐Ming Wee, Shib Sankar Sana, H. M. Srivastava

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésEconomic shortageProduction (economics)ImperfectPiecewiseProcess (computing)Sensitivity (control systems)Computer scienceStock (firearms)Scope (computer science)Operations researchEnvironmental economicsOperations managementEconomicsMicroeconomicsMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

Recycling of products has a great impact on contemporary sustainable business strategies. In this study, a sustainable recycling process in a production-inventory model for an imperfect production system with a fixed ratio of recyclable defective products is introduced. The piecewise constant demand rates of the non-defective items are considered under production run-time, production off-time with positive stock, and production off-time with shortages under varying conditions. Based on the production process, two cases are studied using this model. The first case does not consider recycling processes, while the second case picks up all defective items before sending these items to recycling during the production off-time; the recycled items are added to the main inventory. The aim of this study is to minimize the total cost and identify the optimal order quantity. The manufacturing process with the recycling process provides a better result compared to without recycling in the first case. Some theoretical derivations are developed to enunciate the objective function using the classical optimization technique. To validate the proposed study, sensitivity analysis is performed, and numerical examples are given. Finally, some managerial insights and the scope of future research are provided.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil0,767

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,198
Écart entre enseignants0,192 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations17
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetSustainable Supply Chain ManagementTravaux en français237 207