Resilience and sustainable supply chain network design by considering renewable energy
Notice bibliographique
Résumé
Summary Nowadays, using renewable energy (RE) is faster growing by each country. The managerial and designer of supply chain network design (SCND) have to plan to apply RE in pillars of supply chain (SC). This research indicates resilience and sustainable SCND by considering RE (RSSCNDRE) for the first time. A two‐stage new robust stochastic optimization is embedded for RSSCNDRE. The first stage locates facility location and RE and the second stage defines flow quantity between SC components. We solve the model by GAMS‐CPLEX solver to locate components of SC and RE. Effects of changing conservative coefficient and demand are investigated and by increasing 20% for conservative coefficient, the cost function increase by 0.5%. Also, when demand is high, activating RE is economically feasible and we cannot buy and supply energy by the government power network and have to supply energy by RE. After activating RE, by increasing 20% for demand, the cost function increases by 6%. We contribute fix‐and‐optimize strategy to define the upper bound for a large‐scale problem. The proposed upper bound for the main model is less than 10% and appropriate for estimating the cost of large‐scale problems. This research suggested to equip SC by RE that SC becomes resilient against demand fluctuation and sustainable energy resource compatible with sustainable development goal (SGD7).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».