A Developed Data Envelopment Analysis Model for Efficient Sustainable Supply Chain Network Design
Notice bibliographique
Résumé
In recent years, various organizations have focused on considering the sustainability concept in the supply chain (SC) design. Managers try to increase the sustainability of SCs to achieve a competitive advantage in today’s growing market. Designing a sustainable supply chain (SSC) by integrating economic, social, and environmental dimensions affects the SC’s overall performance. To achieve the SSC, decision makers (DMs) are required to evaluate different strategies and then apply the most effective one to design SC networks. This study proposes an assessment approach based on the network data envelopment analysis (DEA) to choose an efficient strategy for each stage of an SSC network. This approach seeks to provide a sustainable design with DMs to avoid imposing additional costs on SCs that result from noncompliance with environmental and social issues. To this end, we consider sustainability-concept-related inputs and outputs in the network DEA model to choose the most efficient strategy for SSC design. The strategy selection process can become an important issue, especially when SCs active in a competitive environment. Accordingly, a crucial feature of the presented model is considering the issue of competition to choose the efficient strategy. Furthermore, undesirable outputs and feedbacks and independent inputs and outputs for intermediate stages in the network system are considered to create a structure compatible with the real world. The output of the proposed approach enables DMs to select the appropriate strategy for each stage of the SSC network to maximize the aggregate efficiency of the network.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| 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 ».