1,2,3 印尼电信大学经济与商业学院 摘要 本研究讨论了使用供应链委员会开发的供应链运营参考 (SCOR) 模型设计供应链管理绩效衡量系统。SCOR 模型侧重于公司供应链中的五项主要活动,即计划、来源、制造、交付和退货。所有活动都与可靠性、响应能力、灵活性、成本和资产等绩效属性相关。该模型的实施应用于 CV. XYZ,这是一家位于东爪哇的生产纯色和印花 T 恤的公司。该研究于 2024 年 1 月至 2024 年 9 月进行。研究结果发现,有 35 个绩效指标代表供应链活动,细分如下:9 个计划活动指标、7 个来源活动指标、6 个制造活动指标、7 个交付活动指标和 6 个退货活动指标。使用层次分析法 (AHP) 为 SCOR 模型中的每项活动加权。根据结果,优先级最高的是源活动 (0.252),其次是交付 (0.222)、计划 (0.221)、制造 (0.209) 和退货 (0.095)。从评分系统中发现,23 个指标有绿色分数,8 个指标有黄色分数,4 个指标有红色分数。本研究的局限性在于没有分析一项 SCOR 活动“启用”。因此,建议未来的研究分析所有 SCOR 活动。关键词:T 恤供应链、供应链管理绩效衡量、供应链运营参考 (SCOR)、关键绩效指标 (KPI)、层次分析法 (AHP)。1. 简介微型、小型和中型企业 (MSME) 是根据每个国家的政府法规定义的具有资产价值、年营业额和有限员工数量等标准的商业实体。在印度尼西亚,中小微企业在国民经济中发挥着重要作用,它们主导着该国经济结构,占该国企业总数的 99% 以上。它们对国内生产总值 (GDP) 的贡献超过 60%。此外,中小微企业是劳动力吸收的主要支柱,吸收了全国 97% 的劳动力。中小微企业在提高经济包容性和扩大社区创业机会方面发挥着重要作用,使其成为促进经济繁荣和消除贫困的关键因素。通过创新和正确的政策支持,中小微企业可以继续发挥其在推动经济增长可持续性方面的作用。
A • A>:分析和游戏工具 • ABS:空军基地模拟 • ACE-CSI:空天建设性环境 – C2 系统集成商 • ACE-IOS:空天建设性环境 – 信息作战套件 • ACS:聚合战斗服务 • ADTR:全域试验场 • AECT:空中教育和训练司令部 • AFC:陆军未来司令部 • AFIT:空军技术学院 • AFLCMC:空军生命周期管理中心 • AFMSTT:空军建模和仿真训练工具包 • AFRL:空军研究图书馆 • AFSERS-MUSE:空军侦察和监视合成环境 - 多重统一仿真环境 • AFSIM:仿真、集成和建模的高级框架 • AHP:陆军高超音速项目办公室 • AI:人工智能 • AM 或 AAM:先进/增材制造 • AMIE:架构管理集成环境 • AR:增强现实 • ARV:先进侦察车 • ASA(ALT):助理部长陆军采购、后勤和技术部门 • ASALT:先进小型武器杀伤力训练器 • ASW:反潜战 • AVCATT:航空联合兵种战术训练器 • AWS:亚马逊网络服务 • AWSIM:空战模拟
•每天结束时完全关闭计算机•在户外度过一个小时•在本地购物•使用替代汽车的替代方案•重新使用下周将与您签到的物品,并询问您做了什么以找出哪种个人更改最受欢迎。更多地介绍了我们作为一个组织在周四应对气候变化的组织。庆祝卓越活动第23届庆祝卓越活动将于2024年11月6日(星期三)在因弗鲁里(Inverurie)的Garioch Heritage Center举行。该活动汇集了护士,助产士,AHP和HCSW,以分享良好的实践。要注册此事件,请单击此链接,或在下面扫描QR码。如果您希望拥有此事件议程的副本,请向以下要求请求以下要求:gram.celebratingexcellence@nhs.scot我们的扬声器插槽已经满了,但是如果您愿意分享和庆祝您的工作,我们确实有一些海报演示空间,因此请遵循注册链接中的指南。,如果您有兴趣在我们的未来活动之一上发表海报,我们还想听到您的来信。
摘要中小微企业是国民经济扩张的重要驱动力之一,对 GDP 的贡献率为 60.5%。农业在国民经济中也发挥着重要作用,2022 年第三季度农业对 GDP 的贡献率为 12.91%。即便如此,农民的福利仍然相对较低。提高生产力和竞争力可以改善农民的福利。因此,进行了这项研究,以确定内部和外部因素,以提高粮食作物子部门农业中小微企业的竞争力并制定技术采用战略。该研究采用文献研究和对相关专家的深入访谈,使用 IFE、EFE、IE、TOWS 和 AHP 矩阵进行处理。Gapoktan Pamijahan 的主要弱点是农民年龄较大,不再具有生产力,但其最大的优势是所有成员都接受第四区农业推广中心的直接指导和监督。影响主要前景的外部因素中,评级最高的是农业技术的发展,而 Gapoktan Pamijahan 的主要困难是该地区缺乏可靠的农业数字基础设施。优先战略是青年农业科技孵化器。
摘要。当今世界,世界各地的汽车行业都在简化电动汽车 (BEV) 的生产,以迈向创造无污染环境。BEV 被用作全球范围内减轻碳排放的替代策略。由于环境保护是长期可持续发展目标之一,因此需要从化石燃料转向可再生能源,同时这也引发了对电动汽车进行最佳选择的决策问题。本文考虑了 Faith Ecer 早期作品中基于十种替代 BEV 和十一项标准的决策问题。多标准决策的新型排序方法 MCRAT(按替代轨迹进行多标准排序)与三种不同的标准权重计算方法 AHP(层次分析法)、CRITIC(通过标准间相关性确定标准重要性)和 MEREC(基于标准去除效果的方法)一起使用。使用随机森林机器学习算法对获得的结果进行比较和验证。这项研究工作结合了多标准决策方法和机器学习算法,对电动汽车做出最佳决策,这种综合方法产生了最佳排名结果,并且它肯定会在未来的决策方法中开辟新的空间。
摘要循环经济是全球最佳利用资源最重要的问题之一。循环经济和供应链的结合创建了一个称为循环供应链的新概念,该概念旨在通过充分利用资源来提高供应链的效率。在这项研究中,主要目的是应用混合多标准决策(MCDM)方法来评估实施循环供应链的有效因素。首先,确定了循环供应链领域的有效因素,在下一步中,通过实施分析层次结构过程(AHP)方法获得了因素的重量。接下来,计算每个因素效应的强度。此外,使用决策试验和评估实验室(DEMATEL)方法分析影响循环供应链的因素与因素的有效性之间的相关性。最后,使用简单的添加加权(SAW)方法,确定了循环供应链实现的最重要因素。这项研究的核心结果表明,最终产品的质量是实施循环供应链的最重要因素。此外,采用循环经济方法会导致零浪费的目标,从而提高供应链的效率。
这项研究的目的是根据客户喜好找出针对咖啡店的拟议业务策略。本研究使用定性研究和数据收集使用主要数据和次要数据。这项研究的结果表明,一般而言,Kopi Nalar的销售下降是由Covid-19疫情引起的,这导致了社会限制和参观Kopi Nalar的客户数量的减少。此外,缺乏定量和创新的商业计划导致了Kopi Nalar的总销售额下降。即使经过两年的共同,合理的咖啡的销售也无法从前期前的水平中恢复过来。根据这项研究的结果,在参观雅加达的咖啡店时,已经确定四个因素和16个亚标准会影响消费者的偏好。这些因素已经使用分析层次过程模型(AHP)研究了,并且该分析的结果按以下顺序介绍:最终的产品,地点,服务和营销。前五名的子标准是:口味,清洁和舒适性,快速响应,员工态度以及最终的咖啡店设计,然后根据TOWS Matrix和Diamond Model策略分析,制定了业务策略。
摘要:本文提出了一种经济-环境-技术调度 (EETD) 模型,适用于调整后的 IEEE 30 总线和 IEEE 57 总线系统,包括热能和高渗透率的可再生能源 (RES)。总燃料成本、排放水平、功率损耗、电压偏差和电压稳定性是这项工作要解决的五个目标。问题公式中包含大量等式和不等式约束。元启发式优化方法——冠状病毒群体免疫优化器 (CHIO)、瓶瓶罐罐算法 (SSA) 和蚁狮优化器 (ALO)——用于确定发电成本、排放、电压偏差、损耗和电压稳定性解决方案的最佳方案。回顾了几种场景,以验证定义的优化模型的解决问题的能力。研究了许多场景,以验证优化模型解决问题的能力。利用层次分析法 (AHP),通过加权求和法将多目标问题转化为规范化的单目标问题。此外,还提出了按与理想解的相似性排序 (TOPSIS) 技术来确定帕累托替代方案的最优值。最终,所取得的结果表明,所提出的 CHIO 在 EETD 问题解决中执行了其他方法。
1420 使用 NovaSAR-1 和 Sentinel-1 数据进行自动洪水测绘的基于卷积神经网络 (CNN) 的深度学习方法 Andrew Ogbaeje,南昆士兰大学 1430 使用澳大利亚制造的低成本 IoT GNSS 传感器进行天气建模和监测 Jun Wang 博士,Kurloo Technology Pty Ltd 1440 潮汐上涨:潮汐数据可以告诉我们维多利亚州菲利普港湾未来沿海洪水的哪些信息 David Pepin,Spatial Vision 1450 深度学习 U-Net 分类 Sentinel-1 和 2 融合有效划定热带山地森林的森林砍伐范围 Richard Dein Altarez,南昆士兰大学 1500 使用基于 GIS 的模糊 AHP 和模糊叠加对澳大利亚昆士兰州养蜂土地适宜性进行时空评估 Sarasie Tennakoon,南昆士兰大学 1510 基于无人机的图像和机器学习来检测入侵物种澳大利亚北部的暹罗草 Deepak Gautam,皇家墨尔本理工大学,地理空间科学 1520 灾害环境下非正规住区的空间增长模式:以哥伦比亚莫科阿为例 Ricardo Camacho,墨尔本大学
1420 使用 NovaSAR-1 和 Sentinel-1 数据进行自动洪水测绘的基于卷积神经网络 (CNN) 的深度学习方法 Andrew Ogbaeje,南昆士兰大学 1430 使用澳大利亚制造的低成本 IoT GNSS 传感器进行天气建模和监测 Jun Wang 博士,Kurloo Technology Pty Ltd 1440 潮汐上涨:潮汐数据可以告诉我们维多利亚州菲利普港湾未来沿海洪水的哪些信息 David Pepin,Spatial Vision 1450 深度学习 U-Net 分类 Sentinel-1 和 2 融合有效划定热带山地森林的森林砍伐范围 Richard Dein Altarez,南昆士兰大学 1500 使用基于 GIS 的模糊 AHP 和模糊叠加对澳大利亚昆士兰州养蜂土地适宜性进行时空评估 Sarasie Tennakoon,南昆士兰大学 1510 基于无人机的图像和机器学习来检测入侵物种澳大利亚北部的暹罗草 Deepak Gautam,皇家墨尔本理工大学,地理空间科学 1520 灾害环境下非正规住区的空间增长模式:以哥伦比亚莫科阿为例 Ricardo Camacho,墨尔本大学