Capacity Control and Distribution Problem for Manufactures in Supply Chain Networks
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
Most manufacturing firms have focused on managing efficiently their supply chains that purchasing raw materials, producing final products, and supplying them to retailers. Since a supply chain network is composed of several stages and components, a little variation of retail sales may result in significant changes for each component on supply chains. In this view, a manufacturer is expected both to synchronize its products with the retailer's demand and to coordinate the ordering of raw materials with production processes so that both raw materials and final goods inventories are reduced. In general, the market for final goods can be grouped into different segments, and suppliers can sell the same goods or services to different segments for different price and supply policies to maximize their total revenues. That is the basic concept of RM (Revenue Management) techniques. The success of airline RM has been widely reported, and stimulated development of RM systems for other transportation and service sectors such as hotels, cruise lines, rental cars, retail etc. (McGill and Van Ryzin, 1999; Feng and Xiao, 2006). This paper addresses an integration of SCM(Supply Chain Management) and RM problems in manufacturing systems, specifically, the simultaneous determination of procurement of raw materials, production plan and supply policy for each customer in the circumstance of demand uncertainty. We focus on modeling our problem as a stochastic dynamic programming model. Applying RM techniques, we will develop an optimization model to solve our comprehensive problem encountered in manufacturing, and some computational results with randomly generated problems are reported.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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