MétaCan
Menu
Retour à la cohorte
Enregistrement W2043532179

Integration of operational policies into the design phase of a material handling network

2009· article· en· W2043532179 sur OpenAlexaff
Ardavan Asef-Vaziri, Gilbert Laporte

Notice bibliographique

RevueLes Cahiers du GERAD · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensGroup for Research in Decision AnalysisHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésTrack (disk drive)Computer sciencePhase (matter)Material handlingLoop (graph theory)PickupSimulationOperations researchEngineeringIndustrial engineeringMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We compare the effectiveness and efficiency of alternative operational dispatching policies that are integrated into the design phase of a circular material handling network for automated material handling vehicles. Exact formulations describe the problem of optimal concurrent design of the unidirectional loop track layout along with the locations of the pickup and drop-off stations. The objective is to minimise the total loaded and empty vehicle trip distances, which is a surrogate for vehicle fleet size. Since first-encounter-first-served cannot be modelled on a loop and station locations which are not yet designed, we approach first-encounter-first-served optimal design through shortest-trip-distance-first. Managerial observations in support of shortest-trip-distance-first are reported. The findings of the optimisation models in the design phase are well supported by the outcomes of the simulation model in the operation phase. We conclude that one should apply shortest-trip-distance-first dispatching when designing the loop and stations and then follow first-encountered-first-served in operating the fleet of the vehicles.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,240
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLes Cahiers du GERADMême sujetAdvanced Manufacturing and Logistics OptimizationTravaux en français237 207