Identification of supply chain risks in the tobacco products industry in Pasuruan Regency using the supply chain operations reference (SCOR) and house of risk (HoR) model approaches
Notice bibliographique
Résumé
Introduction: This research aims to identify types of risks and sources of risks, analyze risk priority levels, and formulate mitigation strategies for the tobacco products industry supply chain in Pasuruan Regency. Methods: This research was conducted at the tobacco products industry PT. XZ in Pasuruan Regency. Respondents focused on company managers (focal firms), namely product development, raw material management, research and development pilot plant and tobacco clue management who knew about supply chain risks. Supply chain network integration uses a snowball method approach. Data collection methods use primary and secondary data. At the interview stage, the Delphi method was used to identify risk events and risk sources. Furthermore, the results of the interview were identified using the Supply Chain Operation Reverence (SCOR) and House of Risk (HoR) models. Results: There are 39 risk events and risk agents in the IHT in Pasuruan Regency. There are eight risk priority levels for tobacco supply chain risk agents using the SCOR approach and the Pareto diagram, namely workers not paying attention, problems with machines, high rainfall/high rainfall, production machines need to be repaired, workers' skills are not good, production machines are old, handling bad goods, and errors in the machine. Conclusion: The results of the IHT supply chain risk mitigation strategy formulation are tightening the use of work SOPs, checking production machines regularly, strengthening information between agents and factories, checking machines every 4 hours, conducting worker training, using Google Maps technology in delivering goods, cleaning machines, maintaining product quality, drying/air-drying tobacco leaves, improving quality control during transactions with farmers, and increasing coordination with the Government.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».