MétaCan
Menu
Retour à la cohorte
Enregistrement W2050014461 · doi:10.5539/jmr.v4n1p101

A Stochastic Model for Reserve Inventory Between Machines in

2012· article· en· W2050014461 sur OpenAlexvenueno aff
R. Babu Krishnaraj, Karthikeyan Ramasamy

Notice bibliographique

RevueJournal of Mathematics Research · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInventory investmentMathematicsBuffer stock schemeStock (firearms)Inventory controlControl (management)Mathematical optimizationProcess (computing)Production (economics)Computer scienceOperations researchEconometricsEconomicsArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Inventory control is the process of deciding what and how much ofvarious items are to be kept in stock. The basic objective ofinventory control is to reduce investment in inventories andensuring that production process does not suffer at the same time.In this article the optimal reserve inventory between machines inparallel is attempted. The output of first machine $M_1$ is theinput for the second and third machines $M_2$ and $M_3$. In betweenthe Machines $M_1$ and $M_2$, $M_3$ an inventory is maintained. Oneof the problems of interest in inventory control theory is thedetermination of the Optimal size of the buffer between operatingsystems, namely machines. The necessity for maintaining inventoryarises in several situations in a production oriented inventorysystems. The study reveals the Optimum policy for maintaining theinventory between machines. The reason for maintaining inventorybetween machines is, due to ageing of machines and due to some otherexternal reasons, the time taken for receiving the finished goodsbetween parallel system may affect the starting of the nextmachines. Hence here we study the optimal reserve inventory betweenmachines in parallel. A generalized equation is derived when thenumber of parallel machines are `n'.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,522
Score d'incertitude au seuil0,238

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,192
Tête enseignante GPT0,404
Écart entre enseignants0,212 · 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 tête enseignante, 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mathematics ResearchMême sujetScheduling and Optimization AlgorithmsTravaux en français237 207