MétaCan
Menu
Retour à la cohorte
Enregistrement W2081245261 · doi:10.1109/tsmcc.2012.2213809

Agent-Based Decision Support and Simulation for Wood Products Manufacturing

2012· article· en· W2081245261 sur OpenAlexaff
Eman Elghoneimy, W.A. Gruver

Notice bibliographique

RevueIEEE Transactions on Systems Man and Cybernetics Part C (Applications and Reviews) · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésMillDecision support systemDoorsSteel millComputer scienceProduction (economics)Manufacturing engineeringNegotiationIndustrial engineeringOntologyEngineeringArtificial intelligenceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

A rough mill is a manufacturing plant where lumber of approximate dimensions is cut into components of specific sizes, priorities, and qualities to fill customer orders for wood products such as furniture, doors, and window frames. Lumber is a valuable natural resource that is a significant expense to the company. By improving the processes in the rough mill, cost can be reduced and waste of natural materials is decreased. We present an overview of research in agent-based manufacturing systems. The operations in a rough mill are described and the decisions that operators take are identified. A rough mill decision support and simulation system is designed and implemented. An agent ontology for rough mill operations is developed. A prototype system is implemented to demonstrate the architecture and interagent communication. This prototype is extended to two lines of production and the negotiation protocol is presented. Extension of the approach to multiple lines of production is discussed. The prototype system is used to implement a decision support and simulation system that is validated with historical data. Finally, we present a comparison of the advantages and disadvantages of using the multiagent paradigm in rough mill decision support.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,266
Écart entre enseignants0,239 · 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

Citations12
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Systems Man and Cybernetics Part C (Applications and Reviews)Même sujetScheduling and Optimization AlgorithmsTravaux en français237 207