Digitalization strategies and evaluation of maritime container supply chains
Notice bibliographique
Résumé
Purpose This study proposes practical digitalization strategies and well-grounded evaluation criteria for maritime container supply chains. Design/methodology/approach The authors identified the status of supply chain digitalization of the Port of Busan in South Korea and developed three digitalization strategies based on industry requirements and consultations with port experts. The authors proposed 11 evaluation criteria for examining the main digitalization strategies in the supply chain operations reference model, based on a survey among 46 experts and used multi-criteria decision-making approaches to prioritize the strategies and evaluation criteria. Findings The results delineate the status of the digitalization of a real-world port-focal supply chain. The model can be successfully customized to include well-grounded evaluation criteria for digitalization strategies, and presents a practical way to advance the supply chain digitalization strategies. Based on the survey and evaluation, the authors find that increasing data accessibility and improving quality are preferred to adopting a data and information sharing platform. Research limitations/implications As the study is limited to the Port of Busan, future case studies could be undertaken to container supply chains driven by different regional ports. Practical implications Stakeholders, such as truckers, terminal operators, and shipping liners, might consider the proposed strategies and evaluation criteria when digitalizing their supply chains. Originality/value By identifying the needs and specifications of maritime container supply chain digitalization strategies, developing evaluation criteria, and conducting a case study for proof of concept, the study proposes an operational management process with practical, real-world benefits for port-focal supply chains.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».