Risk and Supply Chain Mitigation Analysis Using House of Risk Method and Analytical Network Process (A Case Study on Palm Oil Company)
Notice bibliographique
Résumé
This research studied PT XYZ, a company engaged in the palm oil industry which has eleven subsidiaries spread across five provinces in Indonesia, namely North Kalimantan, West Kalimantan, East Kalimantan, Central Kalimantan, and South Sumatra. The research focused on analyzing supply chain risks in PT A, a subsidiary of PT XYZ.. The objective was to find out and reduce unexpected costs that the company may experience caused by the risks in supply chain. Furthermore, the aim was to determine priority of risk agents and risk mitigation actions. The research method was a mixed methods, which combined both qualitative and quantitative analysis to answer the research questions. Data analysis procedure involved Supply Chain Operations Reference (SCOR), House of Risk (HOR) 1 and Analytic Network Process (ANP). The SCOR method was used for mapping supply chain activities, the HOR 1 was to determine the priority of the risk agent, and the ANP was to determine the priority of mitigation actions. The results show that there are 36 risk events and 35 risk agents. 19 risk agents are categorized as priority risks and 11 preventive actions are proposed to be implemented by PT XYZ. The research suggests that the company implement mitigation actions according to priority in accordance with the research results, for example, by improving the condition of the main garden road.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».