MétaCan
Menu
Retour à la cohorte
Enregistrement W2934965048 · doi:10.5267/j.dsl.2018.11.001

Vehicle routing problems in rice-for-the-poor distribution

2019· article· en· W2934965048 sur OpenAlexvenueno aff
Farida Hanum, Mufid R.N. Hadi, Amril Aman, Toni Bakhtiar

Notice bibliographique

RevueDecision Science Letters · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensnon disponible
Organismes subventionnairesKementerian Riset, Teknologi dan Pendidikan TinggiInstitut Pertanian Bogor
Mots-clésVehicle routing problemInteger programmingDistribution (mathematics)Routing (electronic design automation)Mathematical optimizationHomogeneousLinear programmingComputer scienceInteger (computer science)Operations researchMathematics

Résumé

récupéré en direct d'OpenAlex

This paper characterizes the routing problems arising in distribution of rice-for-the-poor in a district and presents a generic mathematical formulation of vehicle routing problems (VRP) for solving the problems.The proposed generic model, framed as a mixed integer linear programming, is formulated in such a way to encompass three distinct features; namely multiple depots (MD) establishment, multiple trips (MT) transportation, and split delivery (SD) mechanism.This model is implemented for a real-world problem of rice-for-the-poor distribution in the Ponorogo district of Indonesia, involved for deliveries among 3 depots-8, 17, and 23 villages depended on the distribution period-using a fleet of 5 vehicles of homogeneous capacity.Three types of distribution model are identified as MD-MT-VRP, MD-VRP-SD and MD-MT-VRP-SD..

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0020,001
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 Opus0,018
Tête enseignante GPT0,279
Écart entre enseignants0,261 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDecision Science LettersMême sujetVehicle Routing Optimization MethodsTravaux en français237 207