MétaCan
Menu
Retour à la cohorte
Enregistrement W2518439593 · doi:10.1016/j.ifacol.2016.07.620

Production Policy Optimization in Flexible Manufacturing-Remanufacturing Systems

2016· article· en· W2518439593 sur OpenAlexaff
Vladimir Polotski, Jean‐Pierre Kenné, Ali Gharbi

Notice bibliographique

RevueIFAC-PapersOnLine · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésRemanufacturingProduction (economics)Mathematical optimizationComputer scienceHeuristicsConstraint (computer-aided design)Process (computing)Flexible manufacturing systemIndustrial engineeringManufacturing engineeringEngineeringMathematicsEconomicsMechanical engineeringScheduling (production processes)

Résumé

récupéré en direct d'OpenAlex

Hybrid systems that use in their production process both raw materials (manufacturing mode), and returned products (remanufacturing mode) are considered. The system is supposed to be fully flexible and able to share its production time between manufacturing and remanufacturing. The system performance is evaluated using a piecewise linear function of serviceable and return inventories. Limited flow rate of returned products results in the state constraint on the return inventory and imposes additional limitations on the system feasibility. Such systems, to the best of the authors knowledge, were not previously considered in the literature. After characterizing manufacturing-remanufacturing strategies analytically, we propose some heuristics that approximate optimal policies in case of systems without failures, and then extend them to the case of failure-prone systems. We present the numerical study based on the solution of Hamilton-Jacobi-Bellman equations, that complements analytical results and allows to validate the proposed sub-optimal policies.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,210 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFAC-PapersOnLineMême sujetSustainable Supply Chain ManagementTravaux en français237 207