Optimization-based model of a circular supply chain for coffee waste
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Spent coffee grounds (SCG) waste poses significant environmental challenges, including greenhouse gas emissions and contamination risks. However, the existing reverse logistics (RL) systems remain inefficient, costly, and prone to contamination. Although previous studies have explored RL strategies, economically viable logistics models for small-scale SCG operations remain underdeveloped. However, the role of digitalization in optimizing SCG collection has not yet been explored. This study addresses these gaps by developing and evaluating sustainable business models that integrate circular economy principles with Industry 4.0. A mixed-integer linear programming (MILP) model was formulated to optimize the location, allocation, and routing decisions for “circular coffee shops, ” which serve as local collection and preprocessing nodes. Using real data from 1000 coffee shops in Montreal, three case scenarios were analyzed to assess the impact of pre-drying technologies and smart logistics on cost reduction and environmental performance. The results show that, while smart bins and real-time data analytics improve network efficiency and sustainability, the strategic placement of pre-drying technologies significantly reduces transportation and processing costs. By introducing a novel framework that integrates digitalization and collaborative waste management, this study advances SCG valorization and minimizes waste-related environmental impact. The findings offer actionable strategies for municipalities and food service stakeholders, providing a scalable, data-driven approach to promote the adoption of circular economy principles in urban organic waste management.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle