Sustainable Plastic Waste Collection and Distribution Strategies in Operations Management
Notice bibliographique
Résumé
The global plastic waste crisis necessitates effective collection and distribution strategies aligned with principles of Operations Management and Sustainability. This study investigates efficient methods for managing plastic waste, focusing on mechanisms such as buy-back facilities, door-to-door collection systems, and reverse vending machines (RVMs). Among the various types of plastics, only PET, HDPE, PP, and LDPE are widely recyclable, with PET being the most preferred due to its high recyclability and potential for reuse in manufacturing. A mixed-methods approach was adopted, combining both qualitative and quantitative data collection techniques. The study involved a comparative analysis of different plastic collection strategies across various countries and regions, including deployments of RVMs in the UK, Sweden, Australia, Canada, the USA, and selected Indian cities such as Mumbai, Delhi, and Chennai. Findings reveal that RVMs offer a superior method for plastic collection due to their integrated sorting capabilities and user-friendly design. The global proliferation of over 100,000 RVM units illustrates their scalability and acceptance. Furthermore, the study highlights the environmental and economic benefits of optimized plastic waste collection, including natural resource conservation, energy savings, job creation, and reduced ecological impact. The integration of sustainable collection strategies, particularly through the deployment of RVMs, holds significant promise for enhancing waste management systems. The study emphasizes the importance of selecting appropriate technologies and infrastructures to support a circular economy. These insights contribute to operational improvements in waste logistics and support long-term sustainability goals.
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 | 0,000 | 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 ».