Exploring the enablers for building resilience in solar photovoltaic Energy supply chains
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
Abstract A solar photovoltaic energy supply chain (SPvESC) is a global network with several linkages, including mineral and metal mining, material processing, and module and panel manufacturing. Due to the wide range of uncertainties and the unfavorable environmental effects associated with current linear business models, this global network is vulnerable to disruptions. Strengthening the resilience of SPvESCs is crucial for addressing any disturbances. This requires identifying the key enablers of resilience in SPvESCs, an area that has been understudied in the existing literature. An enabler is an aspect that facilitates the achievement of a goal by another aspect. This research contributes to the existing literature by systematically investigating the enablers for SPvESCs to achieve resilience. Thus, the objective of this analysis is to identify enablers that have the potential to enhance the resilience of SPvESCs in Türkiye. This was done by applying the Nominal Group Technique (NGT) in conjunction with a review of the current literature. Neutrosophic (N)-DEMATEL was then utilized to determine the relationships between the identified enablers. Finally, the results were validated using N-DELPHI. The results revealed that sensing and seizing new business models, adaptability to changes in novel energy generation and information technologies, and business contingency plans for natural and man-made disasters were the most influential enablers. The findings provide implications for practitioners, policymakers, and researchers to help ensure improved resilience in SPvESCs.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| 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 découle