MétaCan
Menu
Retour à la cohorte
Enregistrement W2624062012 · doi:10.1017/s0269964817000225

CONTINUOUS REVIEW INVENTORY MODELS FOR PERISHABLE ITEMS WITH LEADTIMES

2017· article· en· W2624062012 sur OpenAlex
Opher Baron, Oded Berman, David Perry

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProbability in the Engineering and Informational Sciences · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPerishabilityPoisson distributionHeuristicComputer scienceOrder (exchange)Lost salesLead timeHolding costMathematical optimizationInventory controlOperations researchMathematicsOperations managementEconomicsStatisticsBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

We consider a continuous review ( s, S ) model of perishable items with lost sales. Once items are perished the entire inventory drops instantaneously to zero. The total cost includes the cost of: ordering, unsatisfied demand, units destroyed, holding, and fixed cost of perishability. Both the time to perishability and the lead times are assumed to be exponentially distributed while two cases of demand distribution are considered: Poisson and compound Poisson with general demand sizes. We study the average cost criterion and provide computational results on the problem of finding the optimal re-order level, s , and order up-to level, S . None of the known work on the subject is as general as the model presented here. Our analysis leads to several insights on the optimal ( s, S ) policies for perishable items in the presence of lead times. For example, we demonstrate that the effectiveness of a heuristic that ignores perishability (and is also analyzed here) decreases with the demand variability and that the cost may either increase or decrease with this variability.

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 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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,677
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,003
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 Opus0,046
Tête enseignante GPT0,239
Écart entre enseignants0,193 · 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