Balancing quality, cost, and uncertainty in pharmaceutical supply chain: A robust possibilistic flexible programming approach
Notice bibliographique
Résumé
The pharmaceutical supply chain (PSC) plays a crucial role in ensuring the timely and reliable availability of essential drugs while maintaining high-quality standards. Balancing the triad of cost, time, and quality is paramount in optimizing the complexities of this supply chain. In this research, a multi-objective PSC optimization model is developed to maximize the key business factors. The dynamic nature of the PSC can significantly compromise the effectiveness of the decision making process. To deal with this challenge, a robust possibilistic flexible programming approach (RPFPA) solution methodology is proposed. This methodology provides a robust and flexible framework to tackle the uncertainties within the supply chain. To validate the proposed model and methodology, a computational analysis of a case study is conducted. The results of the analysis demonstrate the effectiveness of the model and methodology in addressing the uncertainties and complexities of the PSC. Specifically, the findings reveal that by accepting a 23.8% increase in costs, decision-makers can achieve a desirable level of robustness in their decisions. Moreover, the study identifies that the assignment of higher priority to cost objectives leads to more centralized decisions within the supply chain, while a greater emphasis on quality objectives results in a more decentralized approach. By employing the proposed approach, decision-makers can efficiently deal with the complexities and uncertainties inherent in the PSC, making well-informed choices that balance cost, time, and quality.
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 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 | 0,005 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».