A Decision Framework for Supplier Selection in Digital Supply Chains of E-Commerce Platforms Using Interval-Valued Intuitionistic Fuzzy VIKOR Methodology
Notice bibliographique
Résumé
Digital supply chains (DSCs) are value-driven and collaborative digital systems designed to generate business value for firms through various innovative technologies. Today, we are witnessing companies transitioning from traditional supply chain models to DSCs through digital technologies. The effective selection of digital suppliers during these digital transformation processes is a strategic research topic. Additionally, factors such as the proliferation of information and communication technologies, globalization, and the pandemic have contributed to the expansion of e-commerce platforms. In this rapid growth phase, identifying the right supplier is crucial for the success of e-commerce sites. This study aims to develop an innovative, integrated, and comprehensive decision-making methodology to assist e-commerce platforms in selecting appropriate suppliers for their DSCs. To achieve this, an extended fuzzy VlseKriterijuska Optimizacija I Komoromisno Resenje (VIKOR) method is tested, where criteria and alternative evaluations made by decision-makers (DMs) are characterized by interval-valued intuitionistic fuzzy numbers (IVIFNs). The proposed decision mechanism is tested on the DSS problem of an e-commerce platform specializing in household products. Findings of the application, which uses three experts’ opinion to evaluate four digital suppliers based on the seven criteria, are discussed to help e-commerce sites conduct the DSS process more effectively.
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 | 0,022 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».