MétaCan
Menu
Retour à la cohorte
Enregistrement W2398231527 · doi:10.1080/03155986.2006.11732749

The Pickup And Delivery Problem With Time Windows And Transshipment

2006· article· en· W2398231527 sur OpenAlexaffvenue
Snežana Mitrović-Minić, Gilbert Laporte

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensHEC MontréalSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésTransshipment (information security)PickupComputer scienceService (business)Point (geometry)Operations researchBusinessTransport engineeringOperations managementEngineeringMarketingComputer securityMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Pickup and delivery problems with time windows are frequently encounlcred by courier companies. These companies serve customers that require transporiation of a package from a pickup location to a delivery location. This paper presents an empirical study on usefulness of transshipment points in such a conlexl. Transshipnicnl allows for a request to be served by Iwo vehicles: one vehicle collects the load at the pickup location, drops it al a transshipment point, and another vehicle carries the load lo the delivery location. The motivation for this work came from the practice observed in a large San Francisco based courier company that allows transshipment of loads between vehicles. The company serves large geographic area covering several neighboring cities. The main reasoning behind allowing transshipment lies in the idea of keeping drivers in their home area. We have investigated a generalization of ihis transshipment practice, allowing vehicles to move through entire service area in order to evaluate the usefulness of transshipment. We identify circumstances under which transshipment may be beneficial.

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)0,005
score de la tête « metaresearch » (Gemma)0,036
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: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,002
Communication savante0,0030,009
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,018
Tête enseignante GPT0,248
Écart entre enseignants0,231 · 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

Citations122
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueINFOR Information Systems and Operational ResearchMême sujetTransportation and Mobility InnovationsTravaux en français237 207