A decision support framework for best-fitting blockchain platform selection in sustainable supply chains under uncertainty
Notice bibliographique
Résumé
• Proposing a decision support framework to leverage sustainable blockchain practices. • Exploring evaluation criteria using technology-organization-environment theory. • Analyzing a trade-off between the blockchain features and adoption requirements. • Exploring relationships among criteria using the advanced cognitive map modeling. • Developing the Z-number inference system for more reliable decision-making. Despite blockchain’s potential to enhance visibility and traceability in sustainable supply chains (SCs), its adoption is complex due to the various criteria (e.g., interoperability and cost) required for the best-fitting platform selection. This study aims to investigate conflicting criteria in the blockchain technology (BT) platform selection process for decision-making under uncertainty. We propose a three-phase decision support framework to study BT adoption considering technological, organizational, and environmental contexts. In the first phase, after exploring the evaluation criteria from multiple contexts, the developed framework incorporates uncertainty and reliability to deal with the BT platform evaluation problem. Then, fuzzy cognitive map modeling, advanced by a Z-number-based inference system, is introduced to model the causal relationships between criteria. This is followed by implementing a hybrid learning algorithm to assess the impact of each criterion on adoption decisions. Finally, the fuzzy combined compromise solution embedded in the framework prioritizes BT platforms to identify the most suitable ones for sustainable SC. The findings imply that performance efficiency, implementation costs, maintainability and operability can significantly affect the BT platform selection decisions. The outcomes offer more stable, reliable, and distinguishable solutions for the proposed problem compared to the traditional approaches. The results introduce Hyperledger and R3 Corda as the best-fitting platforms for adoption based on the identified criteria.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».