MétaCan
Menu
Retour à la cohorte
Enregistrement W2902347415 · doi:10.1002/nav.21812

On the optimality of the sequential approach for network design problems of service operations

2018· article· en· W2902347415 sur OpenAlexaffabout
Opher Baron, Oded Berman, Yael Deutsch

Notice bibliographique

RevueNaval Research Logistics (NRL) · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFacility Location and Emergency Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésQueueing theoryComputer scienceService (business)Network planning and designMathematical optimizationBlocking (statistics)Operations researchNode (physics)Service levelComputer networkMathematicsEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract We consider the problem of service network design: choosing the optimal number, locations, and service capacities of facilities, taking into account that facilities may have a finite or an infinite waiting room. Accordingly, our service measure is either the percentage of blocked customers or the percentage of customers who need to wait in line. The goal is to minimize the total cost, which consists of costs associated with traveling, blocking or queueing delay, service capacities, and operating (fixed) costs. We derive structural results when facilities are on a two‐node network, and then use them to study the problem for a general network. We prove that the cost of service capacity and the cost of blocking or queueing delay are independent of the number of opened facilities as long as all facilities are identical in terms of their design parameters c and K (or only c in the case of an infinite waiting room). We use our results to develop an efficient algorithm that solves the problem for general networks. Finally, to demonstrate the applicability of our results and tractability of our algorithm, we discuss as an example an industrial‐size problem, which considers the drive‐through operations of McDonald's in the Toronto metropolitan area.

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)0,005
score de la tête « metaresearch » (Gemma)0,003
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: aucune
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,521

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,359
Tête enseignante GPT0,375
Écart entre enseignants0,016 · 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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNaval Research Logistics (NRL)Même sujetFacility Location and Emergency ManagementTravaux en français237 207