🔬 physics

Localisation and Circularity in Apple Supply Chains: An Algorithmic Exploration

यह शोध पत्र अपशिष्ट और उत्सर्जन को कम करते हुए स्थानीयकरण और चक्रीयता को बढ़ाने के लिए—विशेष रूप से मूल्य, मात्रा, ताजगी और दूरी—आर्थिक और स्थिरता उद्देश्यों को संतुलित करने हेतु यूके (UK) सेब आपूर्ति श्रृंखला को अनुकूलित करने के लिए एक भारित-योग मिश्रित-पूर्णांक रैखिक प्रोग्रामिंग मॉडल प्रस्तुत करता है।

मूल लेखक: Baraa Alabdulwahab, Ruzanna Chitchyan

प्रकाशित 2026-03-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Baraa Alabdulwahab, Ruzanna Chitchyan

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि यूके (UK) की सेब की आपूर्ति श्रृंखला (supply chain) हर दिन होने वाली एक विशाल, अराजक पोटलक डिनर (potluck dinner) है। आपके पास सैकड़ों किसान (मेजबान) हैं जो सेब की टोकरियाँ ला रहे हैं, और सैकड़ों दुकानें, जूस बनाने वाले और रेस्टोरेंट (मेहमान) हैं जिनकी प्लेटें भरने के लिए खाली इंतज़ार कर रही हैं।

समस्या क्या है? सेब नाशवान (perishable) होते हैं। यदि वे बहुत लंबे समय तक पड़े रहे, तो सड़ जाएंगे। यदि वे बहुत दूर से आते हैं, तो उन्हें चोट लग सकती है और उन्हें भेजने में अधिक लागत आती है। और यदि मेजबान 500 सेब लाता है लेकिन मेहमान को केवल 5 चाहिए, या यदि मेजबान $2 प्रति पाउंड चाहता है और मेहमान के पास केवल$ 1 है, तो सेब बर्बाद हो जाएंगे।

बरा अल अब्दुलवाहब और रुज़ाना चिचियन का यह शोध पत्र मूल रूप से एक स्मार्ट रेसिपी बुक (एक एल्गोरिदम) है जिसे इस पोटलक को सुचारू रूप से चलाने, पैसा बचाने और यह सुनिश्चित करने के लिए डिज़ाइन किया गया है कि कोई भी सेब फेंका न जाए।

उनके समाधान का सरल शब्दों में विवरण यहाँ दिया गया है:

1. मुख्य समस्या: "बर्बादी वाला पोटलक"

वास्तविक दुनिया में, सेब अक्सर इसलिए बर्बाद होते हैं क्योंकि मिलान (matching) की प्रक्रिया अव्यवस्थित होती है।

बहुत दूर: स्कॉटलैंड से आया एक सेब लंदन जाता है, जिससे ईंधन जलता है और वह पुराना हो जाता है।
गलत कीमत: एक किसान उच्च कीमत चाहता है, लेकिन खरीदार उसे वह कीमत नहीं दे सकता, इसलिए सेब खेत में ही सड़ जाता है।
गलत समय: एक खरीदार को कल के लिए ताजे सेब चाहिए, लेकिन जो उपलब्ध हैं वे अगले हफ्ते समाप्त होने वाले हैं (या इसके विपरीत)।

लेखकों ने एक डिजिटल "मैचमेकर" बनाने की कोशिश की जो न केवल कीमत देखता है, बल्कि स्थानीय सोर्सिंग (भोजन को स्थानीय रखना) और ताजगी (सबसे पुराने सेबों को पहले उपयोग करना) पर भी ध्यान देता है।

2. समाधान: "वेटेड स्कोरकार्ड" (Weighted Scorecard)

लेखकों ने एक कंप्यूटर प्रोग्राम बनाया है जो एक किसान और एक खरीदार के बीच हर संभावित मिलान के लिए एक जज (न्यायाधीश) की तरह काम करता है।

केवल सबसे सस्ते सौदे को चुनने के बजाय, प्रोग्राम हर संभावित व्यापार को चार चीजों के आधार पर एक स्कोर देता है:

कीमत (Price): क्या खरीदार और विक्रेता लागत पर सहमत हैं?
मात्रा (Quantity): क्या टोकरी का आकार प्लेट के आकार से मेल खाता है? (कोई भी 500 सेब नहीं खरीदना चाहता यदि उसे केवल 5 की आवश्यकता है)।
ताजगी (Freshness): क्या सेब खरीदार की जरूरतों के लिए पर्याप्त ताजा है? (उन सेबों को प्राथमिकता देना जो जल्द ही खराब होने वाले हैं)।
दूरी (Distance): ट्रक को कितनी दूर गाड़ी चलानी होगी? (जितना छोटा रास्ता, उतना ही बेहतर)।

जादुई नॉब (The Magic Knob):
उनके सिस्टम का सबसे महत्वपूर्ण हिस्सा यह है कि "जज" के पास एक नॉब (या वेट्स/weights) है जिसे घुमाया जा सकता है।

यदि आप नॉब को "ग्रह बचाओ" (Save the Planet) की ओर घुमाते हैं, तो कंप्यूटर कम दूरी और ताजे सेबों को प्राथमिकता देता है, भले ही इसमें थोड़ी अधिक लागत आए।
यदि आप इसे "पैसा बचाओ" (Save Money) की ओर घुमाते हैं, तो यह सबसे अच्छी कीमत को प्राथमिकता देता है, भले ही ट्रक को अधिक दूर तक गाड़ी चलानी पड़े।
यदि आप इसे "सबको खिलाओ" (Feed Everyone) की ओर घुमाते हैं, तो यह कोशिश करता है कि जितनी संभव हो सके उतनी प्लेटें भरी जाएं, भले ही सेबों को छोटे-छोटे हिस्सों में बांटना पड़े।

3. "लेफ्टओवर" रणनीति: दूसरा मौका

एक सामान्य पोटलक में, यदि आप सेब की टोकरी का मिलान नहीं कर पाते हैं, तो आप उन्हें फेंक देते हैं।
इस पेपर के सिस्टम में, कुछ भी तुरंत फेंका नहीं जाता है।

यदि सेब की एक टोकरी पहले दौर में मैच नहीं हो पाती है, तो सिस्टम उसे एक "होल्डिंग पेन" में रख देता है और अगले दौर में फिर से मिलान करने की कोशिश करता है।

यदि सेब अभी भी ताजे हैं, तो उन्हें घर पाने का एक और मौका मिलता है।
यदि वे बहुत पुराने हो रहे हैं, तो सिस्टम "प्लान बी" (Plan B) का सुझाव देता है: शायद वे ताजे डेज़र्ट एप्पल के रूप में नहीं बेचे जा सकते, लेकिन उन्हें जूस फैक्ट्री या पशु आहार के रूप में भेजा जा सकता है। यह "सर्कुलर इकोनॉमी" वाला हिस्सा है—सेब को कचरे में डालने के बजाय उसका कुछ उपयोग करना।

4. उन्होंने क्या पाया (परिणाम)

लेखकों ने इस सिस्टम का परीक्षण यूके के सेब किसानों और खरीदारों के वास्तविक डेटा के साथ किया। उन्होंने यह खोजा:

कोई "परफेक्ट" सेटिंग नहीं है: आप केवल नॉब को "बेस्ट" पर सेट करके खत्म नहीं कर सकते। यदि आप दूरी (स्थानीय भोजन) को प्राथमिकता देते हैं, तो आपके पास बेचे जाने वाले सेब कम हो सकते हैं क्योंकि स्थानीय खरीदार किसान की पूरी टोकरी को खरीदने के लिए पर्याप्त नहीं हो सकते। यदि आप मात्रा को प्राथमिकता देते हैं, तो आपको सेब बहुत दूर भेजना पड़ सकता है।
नेटवर्क मायने रखता है: परिणाम इस बात पर निर्भर करते हैं कि किसान और खरीदार कहाँ रहते हैं। यदि सभी एक ही क्षेत्र (जैसे केंट) में केंद्रित हैं, तो "स्थानीय" मिलान बहुत अच्छा काम करता है। यदि वे फैले हुए हैं, तो यह कठिन है।
"पर्याप्त अच्छा" (Good Enough) भी ठीक है: कंप्यूटर लाखों सेबों के लिए पलक झपकते ही परफेक्ट गणितीय समाधान नहीं ढूंढ सकता। लेकिन इसने बहुत जल्दी "पर्याप्त अच्छे" समाधान खोज लिए। एक ऐसा 100% मैच खोजने में जो बहुत समय ले, उससे बेहतर है कि एक 95% मैच तुरंत मिल जाए।
पारदर्शिता महत्वपूर्ण है: क्योंकि सिस्टम यह दिखाता है कि मिलान क्यों विफल हुआ (जैसे, "कीमत बहुत कम थी" या "बहुत दूर था"), किसान और खरीदार अपनी समस्याओं को ठीक कर सकते हैं। वे कह सकते हैं, "ओह, मैं देख रहा हूँ कि मैं बहुत महंगा हूँ; मैं अगले दौर के लिए अपनी कीमत कम कर दूँगा।"

मुख्य निष्कर्ष (The Big Takegoaway)

यह पेपर साबित करता है कि हमें खाद्य बर्बादी रोकने के लिए जादू की नहीं, बल्कि स्मार्ट और लचीले नियमों की आवश्यकता है।

एक सरल कंप्यूटर एल्गोरिदम का उपयोग करके जिसे पर्यावरण, अर्थव्यवस्था या निष्पक्षता की परवाह करने के लिए ट्यून किया जा सकता है, हम एक अराजक खाद्य बाजार को एक सुव्यवस्थित पोटलक में बदल सकते हैं जहाँ:

सेब अधिक ताजे रहते हैं।
ट्रक कम चलते हैं।
किसानों को भुगतान मिलता है।
और लगभग कुछ भी कचरे में नहीं जाता।

यह एक डिजिटल सिस्टम बनाने के बारे में है जो समझता है कि सेब केवल एक वस्तु नहीं है; यह एक संसाधन है जिसका बुद्धिमानी से उपयोग किया जाना चाहिए।

यहाँ बरा (Baraa) अल अब्दुलवाहब और रुज़ाना चिचियन (Ruzanna Chitchyan) के शोध पत्र "Localisation and Circularity in Apple Supply Chains: An Algorithmic Exploration" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र आर्थिक व्यवहार्यता (economic viability) और चक्रीय अर्थव्यवस्था (circular economy - CE) के उद्देश्यों के बीच संतुलन बनाने के लिए खाद्य आपूर्ति श्रृंखलाओं (विशेष रूप से यूके के सेबों) के आवंटन की महत्वपूर्ण चुनौती को संबोधित करता है।

मुख्य मुद्दा: खराब होने वाले खाद्य पदार्थों की आपूर्ति श्रृंखलाएं समय-संवेदनशील गुणवत्ता ह्रास, अक्षम लंबी दूरी के परिवहन और आपूर्ति-मांग के खराब मिलान के कारण महत्वपूर्ण बर्बादी से जूझती हैं।
मौजूदा समाधानों में अंतराल: हालांकि मल्टी-ऑब्जेक्टिव ऑप्टिमाइज़ेशन (MOO) और मिक्स्ड-इंटीजर लीनियर प्रोग्रामिंग (MILP) आपूर्ति श्रृंखला डिजाइन में सामान्य हैं, मौजूदा मॉडल अक्सर:
- सर्कुलरिटी (circularity) को एक निरंतर प्रक्रिया (जैसे, अन आवंटित वस्तुओं को पुनर्चक्रित करना) के रूप में संचालित करने के बजाय इसे अंतर्निहित (implicit) मानते हैं (जैसे, अपशिष्ट को कम करना)।
- परिचालन संबंधी, अल्पकालिक निर्णयों में आर्थिक बनाम पर्यावरणीय प्राथमिकताओं को कैसे भारित (weighted) किया जाता है, इसमें पारदर्शिता की कमी है।
- रणनीतिक योजना के बजाय बार-बार होने वाले, वास्तविक समय के परिचालन आवंटन पर ध्यान केंद्रित नहीं करते हैं।
अनुसंधान प्रश्न:
- RQ1: एक अनुकूलन ढांचा (optimization framework) आर्थिक प्रदर्शन के साथ-साथ सर्कुलरिटी उद्देश्यों (स्थानीयकरण, ताजगी) को स्पष्ट रूप से एनकोड करते हुए सेबों को मांग के लिए कैसे आवंटित कर सकता है?
- RQ2: विभिन्न प्राथमिकता सेटिंग्स (weights) आवंटन पैटर्न, विशेष रूप से स्थानीयकरण, आपूर्ति उपयोग और वितरण निष्पक्षता को कैसे प्रभावित करती हैं?

2. कार्यप्रणाली (Methodology)

लेखक एक वेटेड-सम मिक्स्ड-इंटीजर लीनियर प्रोग्रामिंग (WS-MILP) ढांचे का प्रस्ताव करते हैं जिसे बार-बार होने वाले, अल्पकालिक परिचालन आवंटन के लिए डिज़ाइन किया गया है।

A. गणितीय सूत्रीकरण (Mathematical Formulation)

पारेटो-आधारित दृष्टिकोण (जो गैर-प्रभावी समाधानों का एक सेट देता है) के बजाय, लेखक एक एकल, कार्यान्वयन योग्य समाधान उत्पन्न करने के लिए स्केलेराइज्ड वेटेड-सम (Scalarized Weighted-Sum) दृष्टिकोण का उपयोग करते हैं।

उद्देश्य फलन (Objective Function): आवंटित प्रवाह के कुल भारित स्कोर को अधिकतम करना:
$\text{Maximize } \sum_{i,j} x_{ij} \cdot \text{score}(offer_i, order_j)$
जहाँ $x_{ij}$ ऑफर $i$ से ऑर्डर $j$ को आवंटित मात्रा है।
स्कोरिंग घटक (Scoring Components): प्रत्येक संभावित जोड़ी के लिए स्कोर चार सामान्यीकृत मानदंडों ( $[0, 100]$ $[0, 100]$ ) का एक रैखिक संयोजन है:
1. मूल्य संरेखण ( $f_{price}$ ): खरीदार और विक्रेता की मूल्य अपेक्षाओं के बीच समानता।
2. मात्रा संरेखण ( $f_{quantity}$ ): पेश की गई और अनुरोधित मात्रा के बीच अनुकूलता।
3. ताजगी संरेखण ( $f_{freshness}$ ): फर्स्ट-एक्सपायर्ड-फर्स्ट-आउट (FEFO) सिद्धांतों का पालन; ऑफर की समाप्ति और ऑर्डर की आवश्यकता के बीच के अंतर को कम करना।
4. भौगोलिक दूरी ( $f_{distance}$ ): परिवहन दूरी (उत्सर्जन का प्रॉक्सी) को कम करना, जिसे एक्सपोनेंशियल डिके फंक्शन के माध्यम से मॉडल किया गया है।
भार ( $w_k$ ): समायोज्य पैरामीटर ( $\sum w_k = 1$ ) जो ऑपरेटरों को गतिशील रूप से प्राथमिकताओं को बदलने (जैसे, स्थानीयकरण के लिए "दूरी प्रथम" को प्राथमिकता देना) की अनुमति देते हैं।

B. कार्यान्वयन वास्तुकला (Implementation Architecture)

इस ढांचे को ojAlgo ऑप्टिमाइज़ेशन लाइब्रेरी का उपयोग करके Java में लागू किया गया है। यह प्रक्रिया एक चार-चरणीय पाइपलाइन का अनुसरण करती है:

व्यवहार्य प्रवाह निर्माण (Feasible Flow Construction): कठिन बाधाओं (उत्पाद प्रकार, समय सीमा, रसद, मूल्य सीमा) के आधार पर ऑफर-ऑर्डर जोड़ियों को फ़िल्टर करता है। अव्यवहार्य जोड़ियों को नैदानिक कारणों के साथ रिकॉर्ड किया जाता है।
वेटेड-सम स्कोरिंग (Weighted-Sum Scoring): वर्तमान वेट वेक्टर के आधार पर सभी व्यवहार्य जोड़ियों के लिए स्केलर स्कोर की गणना करता है।
MILP ऑप्टिमाइज़ेशन (MILP Optimization): आवंटन समस्या को हल करता है। स्केलेबिलिटी सुनिश्चित करने के लिए, यह कैंडिडेट प्रूनिंग (Top-K scoring) और LP-स्क्रीनिंग (नगण्य फ्लो वाले आर्क को हटाना) का उपयोग करता है।
अवशिष्ट परिसंचरण (Residual Circulation): अन-आवोंटेड (unallocated) आपूर्ति को फेंका नहीं जाता है। गैर-समाप्त बचे हुए माल को अगले इटरेशन के लिए आगे बढ़ाया जाता है। समाप्त हो चुके सामानों को डाउनग्रेड करने (जैसे, ताजे फल से प्रोसेसिंग/जूस में) के लिए फ्लैग किया जाता है।

C. मूल्यांकन सेटअप (Evaluation Setup)

डेटासेट: सिंथेटिक ENG-Apple डेटासेट (2302 ऑफर्स, 262 ऑर्डर्स) से प्राप्त। मूल्यांकन ने कम्प्यूटेशनल जटिलता को प्रबंधित करने के लिए खाद्य सेबों (932 ऑफर्स, 118 ऑर्डर्स) पर ध्यान केंद्रित किया।
परीक्षण की गई रणनीतियाँ: सात वेट कॉन्फ़िगरेशन का मूल्यांकन किया गया, जिनमें "इक्वल वेट्स" (बेसलाइन), "प्राइस फर्स्ट", "क्वांटिटी फर्स्ट", "एक्सपायरी फर्स्ट", "डिस्टेंस फर्स्ट" और दो "एक्सट्रीम" वेरिएंट शामिल थे।
प्रोटोकॉल: जब तक कोई व्यवहार्य मिलान शेष न रहे या 5 इटरेशन की सीमा न आ जाए, तब तक पुनरावृत्त (iterative) आवंटन रन।

3. मुख्य योगदान (Key Contributions)

सर्कुलरिटी को संचालित करना (Operationalizing Circularity): यह ढांचा सैद्धांतिक अपशिष्ट न्यूनीकरण से आगे बढ़कर एक व्यावहारिक अवशिष्ट परिसंचरण (residual circulation) तंत्र की ओर बढ़ता है, जहाँ अन-आवोंटेड आपूर्ति को व्यवस्थित रूप से अगले ट्रेडिंग चक्रों में फिर से पेश किया जाता है।
पारदर्शी प्राथमिकता नियंत्रण (Transparent Priority Control): स्पष्ट, समायोज्य भारों का उपयोग करके, सिस्टम ऑपरेटरों और नीति निर्माताओं को आर्थिक लक्ष्यों (कीमत/मात्रा) और स्थिरता लक्ष्यों (स्थानीयकरण/ताजगी) के बीच ट्रेड-ऑफ को विज़ुअलाइज़ और नियंत्रित करने की अनुमति देता है।
नैदानिक फीडबैक लूप (Diagnostic Feedback Loop): सिस्टम नैदानिक डेटा उत्पन्न करता है जो बताता है कि व्यापार क्यों विफल हुआ (जैसे, मूल्य बेमेल, समाप्ति अंतराल), जिससे हितधारक इनपुट को समायोजित करने या बाधाओं को गतिशील रूप से ढीला करने में सक्षम होते हैं।
"गुड-एनफ" (Good-Enough) आवंटन दर्शन: यह पेपर तर्क देता है कि बड़े पैमाने के परिचालन संदर्भों में, पूर्ण अनुकूलन अक्सर अव्यावहारिक होता है। इसके बजाय, सिस्टम संसाधनों के परिसंचरण को अधिकतम करने के लिए सीमित, व्याख्या योग्य समाधानों को प्राथमिकता देता है।

4. मुख्य परिणाम (Key Results)

मूल्यांकन से पता चला कि आवंटन के परिणाम दोनों वेट सेटिंग्स और आपूर्ति नेटवर्क की संरचनात्मक विशेषताओं (जैसे, भौगोलिक एकाग्रता) पर अत्यधिक निर्भर हैं।

आपूर्ति उपयोग (Supply Utilization): सभी रणनीतियों ने उच्च उपयोग दर (~95.5% – 96.7%) प्राप्त की, जो पुनरावृत्त अवशिष्ट परिसंचरण तंत्र की प्रभावशीलता को प्रदर्शित करती है।
रणनीति-विशिष्ट परिणाम:
- प्राइस फर्स्ट (Price First): इसने विक्रेता राजस्व में सुधार किया लेकिन स्थानीयकरण या ताजगी में महत्वपूर्ण सुधार नहीं किया।
- क्वांटिटी फर्स्ट (Quantity First): इसने पूरी तरह से संतुष्ट ऑर्डरों की संख्या को अधिकतम किया लेकिन उच्च परिवहन दूरी की ओर ले गया और अधिक आपूर्ति को बिना उपयोग के छोड़ दिया (एकाग्रता पूर्वाग्रह)।
- एक्सपायरी फर्स्ट (Expiry First): इसने महत्वपूर्ण रूप से थ्रूपुट से समझौता किए बिना "एक्सपायरी गैप" (FEFO व्यवहार) को सफलतापूर्वक कम किया, हालांकि इसके लिए अधिक दूर के स्थानों से सोर्सिंग की आवश्यकता थी।
- डिस्टेंस फर्स्ट (Distance First): इसने सबसे मजबूत स्थानीयकरण (औसत परिवहन दूरी को ~865 किमी से घटाकर ~670 किमी करना) और उच्चतम आपूर्ति-पक्ष उपयोग प्राप्त किया। हालांकि, इसके परिणामस्वरूप खरीदार प्रति थिनर फुलफिलमेंट (कम संतुष्ट ऑर्डर) और कम खरीदार-पक्ष कीमतें हुईं।
ट्रेड-ऑफ (Trade-offs): कोई भी एकल रणनीति सभी मेट्रिक्स पर इष्टतम नहीं थी। उदाहरण के लिए, दूरी को प्राथमिकता देने से स्थानीयकरण में सुधार हुआ लेकिन ऑर्डर पूर्ति दर कम हो गई।
बचा हुआ माल (Leftover Supply): लगभग 3-5% आपूर्ति अन-आवोंटेड रही, मुख्य रूप से गैर-ओवरलैपिंग मूल्य श्रेणियों के कारण। फ्रेमवर्क ने सफलतापूर्वक पहचान की कि ये अपरिहार्य अपशिष्ट के बजाय नैदानिक विफलताएं थीं।

5. महत्व और निहितार्थ (Significance and Implications)

डिजिटल प्लेटफॉर्म के लिए: अध्ययन सुझाव देता है कि खराब होने वाले उत्पादों के लिए डिजिटल ट्रेडिंग प्लेटफॉर्म को स्थिर "ब्लैक बॉक्स" ऑप्टिमाइज़र के बजाय कॉन्फ़िगर करने योग्य, पारदर्शी आवंटन तंत्र के इर्द-गिर्द डिज़ाइन किया जाना चाहिए। उन्हें मानव-इन-द-लूप समायोजन की अनुमति देने के लिए असंगतताओं को स्पष्ट रूप से उजागर करना चाहिए।
चक्रीय अर्थव्यवस्था (Circular Economy) के लिए: यह शोध प्रदर्शित करता है कि खाद्य आपूर्ति श्रृंखलाओं में सर्कुलरिटी केवल तकनीक के बारे में नहीं बल्कि प्रक्रिया डिजाइन के बारे में है। अन-आवोंटेड माल को आगे ले जाने और समाप्त उत्पादों को पुनः रूट करने की क्षमता अपशिष्ट को कम करने के लिए महत्वपूर्ण है।
संदर्भ निर्भरता (Context Dependence): परिणाम इस बात पर प्रकाश डालते हैं कि अनुकूलन के परिणाम नेटवर्क संरचना (जैसे, यूके एप्पल उत्पादन का भौगोलिक क्लस्टरिंग) से अटूट रूप से जुड़े हुए हैं। इसलिए, एक "वन-साइज़-फिट्स-ऑल" स्थिर अनुकूलन मॉडल अपर्याप्त है; सिस्टम को स्थानीय नेटवर्क विशेषताओं के अनुकूल होना चाहिए।
भविष्य की दिशाएं: यह पेपर "बाउंडेड ऑप्टिमाइज़ेशन" की वकालत करता है जो संसाधन परिसंचरण को बनाए रखते हुए कम्प्यूटेशनल व्यवहार्यता सुनिश्चित करने के लिए "गुड-एनफ" समाधानों को स्वीकार करता है, जिससे ध्यान पूर्ण अनुकूलता से हटकर प्रणालीगत लचीलेपन और अपशिष्ट न्यूनीकरण पर केंद्रित होता है।