Robust humanitarian relief logistics network planning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In recent years, death toll of natural and man-made disasters has increased at an appalling rate. Thus, disaster management and especially efficient management of humanitarian relief efforts seem to be essential. This paper presents a bi-objective mixed-integer mathematical model for Humanitarian Relief Logistics (HRL) operations planning, as an important part of the humanitarian relief efforts. This model determines optimal policies including location of warehouses, quantity of emergency relief items that should be held at each warehouse, and distribution plan to provide an emergency response pre-positioning strategy for disasters by considering two objectives. The first one minimizes the average response time and the second one minimizes the total operational cost including the fixed cost of establishing warehouses, the holding cost of unused supplies and the penalty cost of unsatisfied demand. The survival of prepositioned supplies, demand amount and routes condition following an event are considered under uncertainty in the model solved by a robust scenario-based approach. The robust approach is applied to reduce the effects of fluctuations of the uncertain parameters with regards to all the possible future scenarios. The research demonstrates the applicability and usefulness of the proposed model on a case study on earthquake preparation in the Seattle area in USA. In addition, the work applies the Reservation Level Tchebycheff Procedure (RLTP) method to solve the bi-objective model in an interactive way with decision maker. This work provides practitioners, specifically planning teams, with a new approach to assist with disaster preparedness and to improve their logistics decisions.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 découle