Notice bibliographique
Résumé
Abstract This paper considers an infinite‐horizon repairable‐item inventory problem wherein the number of repairable units returned to the system in a given period is assumed to be equal to random proportions of the serviceable units issued in the current and the last M periods. We formulate the problem as an infinite‐horizon Markov decision model and propose an algorithm for finding a steady‐state optimal inventory policy, which minimizes the expected long‐run total discounted cost. For speeding up the convergence of the algorithm we present an improved algorithm that utilizes error bounds. We illustrate the algorithms with numerical examples. Résumé Cet essais examine un problème d'inventaire d'articles réparables à horizon infini oú le nombre d'unité réparables renvoyés dans le système à l'intérieur d'une période donnée devrait être égale à des mesures publiées ayant été prises au hasard parmi les unités utilisables lors de la dernière périodes M et lors de celle en cours. Nous formulons le problème comme un modèle de décision à horizon infini de type Markov et proposons un algo‐rythme pour une politique d'inventaire optimale station‐naire, ce qui minimise le total attendu à long terme du coût escompté. Pour accélérer la convergence de l'algo‐rythme, nous présentons un algorythme amélioré qui utilise les limites d'erreurs. Nous illustrons les algo‐rythmes avec des exemples numériques.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».