Connecting reverse logistics with circular economy in the context of Industry 4.0
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 Reverse logistics (RL) has become integral in modern supply chains, with many companies investing in circular economy (CE), a recuperative and effective industrial economy. The traditional linear model triggered many negative environmental consequences such as climate change, ocean pollution, loss of biodiversity and land degradation. The development of RL strategies that support the transition between RL to CE is crucial. The purpose of this paper is to connect RL with CE in the context of Industry 4.0 and develop a hierarchal structure to explore the relationship between RL and CE critical success factors in the context of Industry 4.0. Design/methodology/approach This study used both qualitative and quantitative approach. Literature review in collaboration with the Delphi method is used to identify and validate critical success factors. Then, the ISM-based model and MICMAC method were used to determine the relationship between CE and RL success factors and its driving and dependence power. Findings This study result shows that waste reduction, skilled employees and expert's involvement and top management commitment and support will provide guidelines and paths for implementing CE and RL, leading to the competitiveness of a firm. Practical implications The findings provide managerial insight, particularly useful to third-party logistics companies' managers who are looking to implement RL and CE, to help prioritize where to invest company resources to generate prime difference. Furthermore, this study also identified Industry 4.0 technologies, which would tackle top identified critical success factors within the hierarchical model such as block chain and digital platforms. Originality/value This paper contributes to the literature by exploring the connection between RL and CE in the context of Industry 4.0 that determines the critical success factors enabling sustainable inter-firm collaboration.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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