Illustrating scholar–practitioner collaboration for data-driven decision-making in the optimization of logistics facility location and implications for increasing the adoption of AR and VR practices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This study illustrates the experience of scholar–practitioner collaboration for data-driven decision-making through the problematic of optimizing facility locations and minimizing logistics costs for La Palette Rouge (LPR) of Portugal. Design/methodology/approach The authors used a mixed mixed-method approach involving (1) a quantitative exploratory analysis of big data, which applied analytics and mathematical modeling to optimize LPR's logistics network, and (2) an illustrative case of scholar–practitioner collaboration for data-driven decision-making. Findings The quantitative analysis compared more than 20 million possible configurations and proposed the optimal logistics structures. The proposed optimization model minimizes the logistics costs by 22%. Another optimal configuration revealed that LPR can minimize logistics costs by 12% through closing one of its facilities. The illustrative description demonstrates that well-established resource-rich multinational enterprises do not necessarily have the in-house capabilities and competencies to handle and analyze big data. Practical implications The mathematical modeling for optimizing logistics networks demonstrates that outcomes are readily actionable for practitioners and can be extended to other country and industry contexts with logistics operations. The case illustrates that synergistic relationships can be created, and the opportunities exist between scholars and practitioners in the field of Logistics 4.0 and that scientific researcher is necessary for solving problems and issues that arise in practice while advancing knowledge. Originality/value The study illustrates that several Logistics 4.0 challenges highlighted in the literature can be collectively addressed through scholar–practitioner collaborations. The authors discuss the implications of such collaborations for adopting virtual and augmented reality (AR) technologies and to develop the capabilities for maximizing their benefits in mature low-medium technology industries, such as the food logistics industry.
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.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle