STOCK LEVELS AND DELIVERY RATES IN VENDORMANAGED INVENTORY PROGRAMS
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
Using the latest information technology, powerful retailers like Wal‐Mart have taken the lead in forging shorter replenishment‐cycles, automated supply systems with suppliers. With the objective to reduce cost, these retailers are directing suppliers to take full responsibility for managing stocks and deliveries. Suppliers' performance is measured according to how often inventory is shipped to the retailer, and how often customers are unable to purchase the product because it is out of stock. This emerging trend also implies that suppliers are absorbing a large part of the inventory and delivery costs and, therefore, must plan delivery programs including delivery frequency to ensure that the inherent costs are minimized. With the idea to incorporate this shift in focus, this paper looks at the problem facing the supplier who wants quicker replenishment at lower cost. In particular, we present a model that seeks the best trade‐off among inventory investment, delivery rates, and permitting shortages to occur, given some random demand pattern for the product. The process generating demand consists of two components: one is deterministic and the other is random. The random part is assumed to follow a compound Poisson process. Furthermore, we assume that the supplier may fail to meet uniform shipping schedules, and, therefore, uncertainty is present in delivery times. The solution to this transportationinventory problem requires determining jointly delivery rates and stock levels that will minimize transportation, inventory, and shortage costs. Several numerical results are presented to give a feel of the optimal policy's general behavior.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle