Optimising agri-food supply chains: Managing food waste through harvest and side-stream valorisation
Notice bibliographique
Résumé
The importance of reuse and valorisation as a means to enhance sustainable production practices, by reducing waste streams through the recovery of resources in the chain, is increasingly recognised. Confronted with new challenges in the context of climate change, the food and agricultural sector stands to benefit, in particular, from valorising (edible) side streams, such as unharvested crop parts and vegetable peels, that are often overlooked by consumers. Focusing on side-stream valorisation strategies within food processing facilities, this research develops a mixed-integer optimisation model to support decision-makers in determining an optimal product portfolio and processing configuration. This model is solved for two key performance indicators, considering both the economic and the environmental impact, in the form of total profit and exergy loss. Examining potential trade-offs between the two objectives, we present a real-life case study from a carrot processing company. We explore several scenarios and case settings to investigate the impact of various factors on the potential of side-stream valorisation. The findings from our analysis demonstrate that side-stream valorisation seems to be generally well aligned with profit maximisation, while it is not always beneficial from an environmental impact perspective. • Modelling food valorisation through supply chain network (re-)design. • Novel optimisation model incorporating flexible recipes and quality changes. • Insights obtained from a real-life case study of a carrot processor. • Analysing the impact of valorisation on profit and environmental impact.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».