MétaCan
Menu
Retour à la cohorte
Enregistrement W4281297879 · doi:10.1016/j.rcradv.2022.200088

The effect of demand forecasting choices on the circularity of production systems: a framework and case study

2022· article· en· W4281297879 sur OpenAlexaff
Marina Hernandes de Paula e Silva, Luana Bonome Message Costa, Fernando José Gómez Paredes, Jayson Wilson Barretti, Diogo Aparecido Lopes Silva

Notice bibliographique

RevueResources Conservation & Recycling Advances · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensCégep de Lévis
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésProduction (economics)Demand forecastingProduction planningSelection (genetic algorithm)Relevance (law)EconometricsRaw materialComputer scienceSupply and demandOperations researchRegressionFlow (mathematics)EconomicsEnvironmental economicsOperations managementMicroeconomicsMathematicsStatisticsMachine learning

Résumé

récupéré en direct d'OpenAlex

Designing Circular Economy systems needs previous decisions that depend on Planning and Operation decisions. One of these decisions relates to the forecasting demand method, because it scales the needs of the production flow and the necessary resources. This study investigates how the selection of forecasting methods affects the circularity of production systems and shows a case study of particleboard manufacturers. Scenarios with different parameters were tested. Results showed an increase in the Material Flow Analysis (MFA) indicators between the methods Linear Regression initiation (HW-LR) vs. Extended Additive Holt-Winters (EAWH) and variations in the MCI when restrictions on supply capacity are added in terms of recycled raw material use. Also, a positive correlation was found between the error rate in demand forecasting and MCI. These results highlight the relevance of choosing the forecast method due to its impact on production planning activities and environmental performance toward a more circular production system.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,246
Écart entre enseignants0,226 · 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'étudeObservationnel
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResources Conservation & Recycling AdvancesMême sujetSustainable Supply Chain ManagementTravaux en français237 207