Investigating the Financial Implications of Converting Manufacturing from existing Portfolio to PPE Products During Covid-19 for Canadian Manufacturing Companies
Notice bibliographique
Résumé
For the past three years, we have witnessed the effects that a disruptive event like COVID-19 can have on the industrial sector as well as the effects that have so far been felt throughout the world's supply chain. When the pandemic first began, sales of PPE products increased, which led to a shortage of PPE products in Canada due to supply chain disruptions and limited PPE product production in Canada. So, the Canadian government began importing PPE goods. This incident highlights the need for local production in Canada as many people were unable to afford PPE in time. Due to this, some manufacturing units started manufacturing PPE products to tackle the PPE demand crisis. Numerous studies have been conducted on the economic effects of COVID-19, but little research has been done on the evaluation of industrial firms that changed their product lines or added PPE during COVID-19. The goal of the thesis is to evaluate the economic effects of COVID-19 on manufacturing businesses in Ontario by using a cost-benefit analysis and regression to see whether switching or adding PPE items in addition to their current portfolio would be beneficial. These analyses have been implemented to 111 companies in Ontario. This research assumes that manufacturers' decisions will be based on the net present value of the total benefits of material replacement. The results indicated that adding PPE during the time of the crisis wasn’t beneficial to the companies as adding PPE to the company increased the company’s volatility though its possible, but it is unlikely that adopting PPE increased their revenue volatility as companies did so to reduce the risk of revenue decline. The suggested model's novelty comes in its economic analysis of COVID-19's effects on manufacturers, which considers a variety of personal protective equipment and individual cost-benefit analyses of Ontario companies.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».