Data-driven robust strategic sourcing considering supply-side competition: Insights into blockchain adoption for coordination
Notice bibliographique
Résumé
• Exploring blockchain’s role in establishing long-term partnerships among stakeholders. • Incorporating competitive dynamics into the buyer-vendor coordination problem. • Integrating data-driven robust optimization to model multidimensional uncertainties. • Enhancing supply chain resilience through strategic sourcing and information sharing. Given the increasing vulnerability of global supply chains (SCs) to disruptions, improving resilience through strategic sourcing is crucial for maintaining continuity and adaptability in dynamic markets. Integrating blockchain technology (BT) can further support these efforts by ensuring data integrity, transparency, and real-time visibility across SCs. This study develops a data-driven robust multi-objective programming (DDRMOP) model to explore the role of BT in designing sourcing strategies and creating effective partnerships in the face of uncertainties. The DDRMOP employs a data-driven robust optimization approach utilizing principal component analysis and robust kernel density estimation to formulate uncertainty sets for market demand. The model aims to minimize SC coordination costs, defective rates, and delivery delays while enhancing sourcing efficiency by selecting the most sustainable and BT-friendly suppliers. A Nash game-enabled data envelopment analysis is incorporated into this model to investigate sourcing efficiency under competitive dynamics and demand uncertainty simultaneously. This integration provides insights into how these dynamics influence the trade-off between cost efficiency and SC resilience. As the DDRMOP model includes three conflicting objectives, the augmented ε-constraint method is adopted to analyze the impact of each function on strategic sourcing across multiple products. The findings highlight the importance of BT and sustainability in forming reliable partnerships between the buyer and suppliers to enhance dynamic SC capabilities during disruptions. BT-friendly suppliers are preferred for their alignment with sustainability and information coordination goals. Although supply-side competition may increase coordination costs and operational complexities, it ultimately improves overall sourcing efficiency.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».