Electric versus diesel: Green supply chain network design with carbon footprint labeling
Notice bibliographique
Résumé
Transportation electrification and carbon footprint labeling are strong indicators of environmental commitment in green supply chains. We study this framework and assess its environmental and financial sustainability. We consider cradle-to-gate operations, from manufacturing to retail, mandate the use of electric trucks whenever their range allows, and impose a cap on product carbon footprints as would be advertised on a carbon label. We optimize the locations of distribution centers, the allocation of demand, and the transportation choices between diesel trucks and electric trucks. We account for the nonlinear relationship between emissions and payload for diesel trucks, focus on two representative functional forms- concave and convex- and propose a mixed-integer nonlinear optimization model to minimize costs and CO2-equivalent emissions. We use Lagrangean relaxation to decompose the model by echelon and isolate the convex and concave nonlinearity in an easy-to-solve subproblem. We then design a Lagrangean heuristic based on the solution of one of the subproblems, which has proven efficient and near-optimal. Based on a case study, we evaluate the impact of the emission function and the carbon label on the supply chain network, as well as the trade-off between the use of diesel trucks and electric trucks. We find that the relationship between emissions and payload for diesel trucks significantly influences the adoption of electric trucks. When concave, as would be the case for steady driving conditions, long hauls, well-maintained infrastructure, and light traffic, conventional diesel trucks continue to be the cost-efficient option, especially when electric truck mileage costs are high and the cap on unit emissions is elevated. In contrast, when diesel emissions are convex, corresponding to challenging driving conditions such as urban delivery, congested road networks, stop-and-go traffic, and degraded road infrastructure, transportation emissions dominate total emissions, diesel truck usage decreases, and electric trucks become a better choice even if the cap on unit emissions is high and diesel trucks are cheaper to operate. Furthermore, extending the range of electric trucks increases their usage under convex emissions but not under concave emissions, especially when the cap on carbon footprint is not tight.
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 | 0,002 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».