Determining supply chain safety stock level and location
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
Purpose: The lean methodology and its principles have widely been applied in supply chain management in recent decades. Manufacturers are one of the most important contributors in a supply chain and inventory plays a paramount role for them to become lean. Therefore, there should be appropriate management of inventory and all of its drivers in accordance with a lean strategy. Safety stock is one of the main drivers of inventory; it protects against increasing the stretch in the breaking points of the supply chain, which in turn can result in possible reduction of inventory. In this paper an optimization model and a simulation model are developed and applied in a real case to optimize the safety stock level with the objective of logistics cost minimization. Design/methodology/approach: In order to optimize the safety stock level while minimizing logistics costs, a nonlinear cost minimization safety stock model is developed in this paper and then it is applied in a real world manufacturing case company. A safety stock simulation model based on appropriate metrics in the case company’s supply chain performance is also provided. Findings: These models result in not only the optimum levels but also locations of safety stock within the supply chain. Originality/value: In this research, two models of cost minimization and simulation have been developed and also applied in a real case company to result in not only optimized levels but also optimized locations of safety stock across the whole supply chain. In addition, the appropriate supply chain performance measurement metrics have been introduced in this paper and the simulation model is developed based on those.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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