MétaCan
Menu
Retour à la cohorte
Enregistrement W2399221722 · doi:10.5383/juspn.05.02.003

A Micro Simulated and Demand Driven Supply Chain Model To Estimate Regional Production and Consumption Relations

2014· article· en· W2399221722 sur OpenAlexvenueno aff
Omar Abed, Tom Bellemans, Gerrit K. Janssens, Ansar-Ul-Haque Yasar, Davy Janssens, Geert Wets

Notice bibliographique

RevueJournal of Ubiquitous Systems and Pervasive Networks · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupply chainProduction (economics)Consumption (sociology)Process (computing)Economic order quantityFinished goodIndustrial organizationEconomicsMicroeconomicsPoint (geometry)MicrosimulationOrder (exchange)BusinessComputer scienceTransport engineeringMarketingEngineering

Résumé

récupéré en direct d'OpenAlex

The various operations of production, distribution and consumption of goods make up supply chain networks. The usual pre requisite to model freight flows on between geographical zones, is an understanding of intra zonal production and consumption relations. This is in essence an aggregation of all individual firm to firm interactions taking place in form of production and consumption of goods, as well as transportation firms involved in the goods exchange process. In this paper, a demand driven micro-simulated supply chain model is presented. The presented model is a microsimulation model modeling the main firm types present in a traditional supply chain. It is a demand driven model using quantity of goods requested at the consumer side as a starting point. The different interacting firms use a modified Economic Order Quantity (EOQ) model as the basis of the simulation process. The cost function used includes also transportation and labor costs. The model simulates also shipping and carrying firms and takes into account raw material suppliers able to supply all or some subcomponents needed by production firms. Different initial conditions can be used to mimic real life firm to firm interactions. Firm level and zone level scenarios are simulated and results are shown.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,204
Score d'incertitude au seuil0,509

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,229
Écart entre enseignants0,206 · 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 tête enseignante, 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Ubiquitous Systems and Pervasive NetworksMême sujetUrban and Freight Transport LogisticsTravaux en français237 207