MétaCan
Menu
Retour à la cohorte
Enregistrement W2136141028 · doi:10.1109/icarcv.2006.345099

Architecture for Decision Logic Unit in Agile Manufacturing Planning and Control Systems

2006· article· en· W2136141028 sur OpenAlexaff
Ahmed M. Deif, Waguih ElMaraghy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentHeuristicsAgile manufacturingComputer scienceLayer (electronics)Control logicDiscrete manufacturingIndustrial engineeringProcess (computing)Manufacturing execution systemArchitectureComputer-integrated manufacturingEngineeringManufacturing engineeringSystems engineeringSoftware engineeringProduction (economics)

Résumé

récupéré en direct d'OpenAlex

Manufacturing control systems typically include layers of logic and heuristics making them difficult to develop. Furthermore, in agile manufacturing planning and control (MPC) environment, the dynamics of decision-making interactions between agile MPC system components are poorly understood and can be undependable because of the absence of a master controller or optimizer. This paper addresses these challenges by developing a multi-layer architecture for a supervisory decision logic unit (DLU) of an agile MPC system. After presenting a dynamic model for the system, a decision logic unit for that system that links the operational level with the higher enterprise level strategy is described. The architecture of the DLU is composed of three layers where the first layer is responsible for dynamically managing the selection of the different MPC policies that suits the market strategy. The second layer describes an algorithm for optimal parameters settings for each of the MPC policies. Finally the third layer of the architecture is responsible for the automatic on-line control of manufacturing system to maintain required production, work-in- process and inventory levels.

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)0,002
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,013
Tête enseignante GPT0,239
Écart entre enseignants0,225 · 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
GenreMéthodes

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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCollaboration in agile enterprisesTravaux en français237 207