Comparison of Deterministic and Stochastic Production Planning Approaches in Sawmills by Integrating Design of Experiments and Monte- Carlo simulation
Notice bibliographique
Résumé
Abstract \nForest industry is one of the key economic initiatives in Quebec (Canada). This industry has recently faced some obstacles, such as the scarcity of raw material, higher competitiveness in the market and new obligations applied in North America regarding sustainable development. These problems force lumber industries to improve their efficiency and become more service sensitive, in order to ensure the on time demand fulfillment. To achieve the goals aforesaid, one solution is to integrate the uncertainties more appropriately into production planning models. Traditional production planning approaches are based on deterministic models which in fact, ignore the uncertainties. A stochastic production planning approach is an alternative which models the uncertainties as different scenarios. Our goal is to compare the effectiveness of deterministic and stochastic approaches in sawing unit of sawmills on a rolling planning horizon. The comparison is performed under different circumstances in terms of length of planning horizon, re-planning frequency, and demand characteristics defined by its average and standard deviation. The design of experiments method is used as a basis for performing the comparison and the experiments are ran virtually through Monte-Carlo simulation. Several experiments are performed based on factorial design, and three types of robust parameter design (Taguchi, combined array, and a new protocol) which are integrated with stochastic simulation. Backorder and inventory costs are considered as key performance indicators. Finally a decision framework is presented, which guides managers to choose between deterministic and stochastic approaches under different combinations of length of planning horizon, re-planning frequency, and demand average and variation. \n \nKey words: sawmills, production planning, design of experiments, robust parameter design, uncertainty, Monte- Carlo simulation
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».