A Hierarchical Intermodal Network Optimization Model for the Gasification of Recycled Plastic in Southern Ontario: The Case of McKeil Marine
Notice bibliographique
Résumé
In this research, we apply the hierarchical fixed charge uncapacitated facility location model to optimize the supply chain network of a gasification plant. The model determines the optimal location of shredding facilities on the network that are required to supply plastic feedstock to the gasification plant in Hamilton, Ontario. To construct the model, we will determine an optimized transportation network for the gasification plant, which faces a fixed demand during the period of one-year. The transportation routes to the plant and the associated costs are determined with the use of geographic information systems software. Our research finds (1) the optimal number of shredding facilities and their locations (2) the production of each facility and allocation of demand in a one-year period and (3) an optimized transportation network that attempts to utilize intermodal transportation in order to minimize the cost function of the entire network. The model determines that transporting the plastic via truck and locating a single shredding facility in Hamilton is more cost effective than decoupling the shredding process from the plant or transporting the plastic via an alternative modality. This leads the author to the conclusion that the network’s scale is too small and that there is not a large enough volume of plastic flowing through the network to justify the utilization of an intermodal transportation network.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».