Intégration des objectifs du développement durable dans la gestion stratégique et tactique de la chaîne logistique
Bibliographic record
Abstract
Nous abordons le problème de la gestion des chaînes logistiques dans le cadre d’une démarche RSE (Responsabilité Sociale des Entreprises). Nous proposons une approche intégrée qui permet d’opérationnaliser l’évaluation de la performance suivant les dimensions économique, environnementale et sociale aux niveaux de décisions stratégique, tactique et opérationnel. Nous déclinons notre approche aux niveaux stratégique et tactique, pour le problème d’internalisation/externalisation « durable » des activités de la chaîne de valeur d’une part (décision stratégique), et pour le problème de la planification stratégique-tactique durable de la chaîne logistique, d’autre part. Nous réalisons dans le premier cas une analyse de la valeur que nous couplons à l’évaluation de la performance en utilisant une méthode d’aide à la décision multicritères agrégative : l’AHP (Analytical Hierarchy Process). Dans le second cas, nous formulons le problème comme un programme mathématique multi-objectifs que nous résolvons sur la base d’un cas réaliste issu de l’industrie canadienne du bois d’œuvre. Nous obtenons, à l’issue de la résolution mathématique, plusieurs solutions de compromis (optimums de Pareto) présentant différents niveaux de performances économique, environnementale et sociale, permettant au décideur de choisir la solution qui correspond le mieux à sa stratégie RSE. Cette application illustre la méthode proposée et met en avant la valeur pratique de notre approche.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.018 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.005 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.011 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".