MétaCan
Menu
Retour à la cohorte
Enregistrement W2897067287 · doi:10.1139/cjfr-2018-0346

Analyzing the impact of implementing a logistics center for a complex forest network

2018· article· en· W2897067287 sur OpenAlexafffundvenueabout
François Sarrazin, Luc LeBel, Nadia Lehoux

Notice bibliographique

RevueCanadian Journal of Forest Research · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversité LavalNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFPInnovations
Mots-clésProfitability indexsortContext (archaeology)BusinessMaximizationLogistics centerCenter (category theory)Profit maximizationProfit (economics)YardProfit centerOperations managementComputer scienceTransport engineeringOperations researchEnvironmental economicsEnvironmental resource managementEnvironmental scienceMarketingEconomicsGeographyEngineeringFinanceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The challenges faced recently by the North American forest products industry have forced it to review many of its key operations. Implementing logistics centers for such a context may therefore help in allocating the wood fibre more efficiently and in reducing sorting and transportation costs. This paper aims to better understand the interaction between a forest logistics center and a complex forest network while exploring the business environment favoring the use of such a structure. A profit maximization model is proposed and applied to a real case in the Mauricie region in Quebec, Canada. A total of 18 groups of scenarios are tested, based on the use of a sort yard and of backhauling. Results show that a logistics center already in operation adds $0.52 in profits for each cubic metre of wood available for harvest (over 2 580 411 m 3 per year) for the network under study ($1.4 million annually). A sensitivity analysis also highlights that higher prices and sorting error rates have the greatest impact on the logistics center’s profitability.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,224
Score d'incertitude au seuil0,788

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,107
Tête enseignante GPT0,375
Écart entre enseignants0,269 · 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'étudeObservationnel
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

Citations11
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Biomass Utilization and ManagementTravaux en français237 207