MétaCan
Menu
Retour à la cohorte
Enregistrement W4407764736 · doi:10.1080/24725854.2025.2470419

Cooperation in assembly systems with supply risks

2025· article· en· W4407764736 sur OpenAlexaff
Shibo Jin, Yong He, Shanshan Li, Jing Chen

Notice bibliographique

RevueIISE Transactions · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensDalhousie University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBusinessRisk analysis (engineering)

Résumé

récupéré en direct d'OpenAlex

Interdependence among supply chain members increases their vulnerability to supply risks. This study explores the optimal decisions of supply chain members and their interactions within an unreliable assembly system facing supply risks. The assembler purchases complementary components from suppliers to assemble them into a final product, which requires exactly one unit of each component. First, we examine how the stochasticity and severity of supply risks influence the proactive and reactive decisions of assembly system members. We then analyze the interaction between upstream cooperation and supply risks. Our results show that the assembler’s response varies depending on the severity of the observed supply risk, including maintaining the status quo, increasing the selling price, or increasing orders from the emergency source. Furthermore, potential supply risks can break down the one-to-one correspondence between complementary components. Our findings suggest that, when potential supply risks are stochastically lower, suppliers lose their incentive to cooperate. The realized value of cooperation depends heavily on the observed supply risk and may even become negative if inappropriate wholesale prices are negotiated, making it a double-edged sword in the context of unreliable assembly systems. Therefore, upstream suppliers must carefully evaluate cooperation and price negotiations before committing to such agreements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,246
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIISE TransactionsMême sujetSupply Chain and Inventory ManagementTravaux en français237 207