MétaCan
Menu
Retour à la cohorte
Enregistrement W4213136608 · doi:10.21203/rs.3.rs-1302308/v1

Viable Closed-Loop Supply Chain Network with Considering Robustness and Risk as a Circular Economy

2022· preprint· en· W4213136608 sur OpenAlexaff
Reza Lotfi, Hossein Nazarpour, Alireza Gharehbaghi, Seyyed Mahdi Hosseini Sarkhosh, Amirhossein Khanbaba

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRobustness (evolution)Automotive industryMathematical optimizationCircular economySupply chainSupply chain networkEnergy consumptionComputer scienceMathematicsEngineeringSupply chain managementBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract The Viable Closed-loop Supply Chain Network (VCLSCND) is a new concept that integrates sustainability, resiliency, and agility in a circular economy. We suggest a new form of robust stochastic optimization for this problem by minimizing the weighted expected, maximum and Entropic Value at Risk (EVaR). We proposed this form to increase robustness against demand disruption and energy productivity. Finally, we located CLSC components and assigned flow in the automotive industry. The results show that the cost of VCLSCND is less than without viable and has -0.44% gap. By increasing the conservative coefficient and confidence level, decreasing the allowed maximum energy and increasing the scale of the main model, the cost function, time solution and energy consumption grow. We suggested applying the Fix-and-Optimize algorithm for producing upper bound of large-scale. As can be seen, the gap between this algorithm and the main problem for cost, energy and time solution is approximately 6.10%, -8.28%, and 75.01%.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,728
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0030,001
Science ouverte0,0010,009
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,281
Écart entre enseignants0,256 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetSustainable Supply Chain ManagementTravaux en français237 207