MétaCan
Menu
Retour à la cohorte
Enregistrement W2969271328 · doi:10.1080/01605682.2019.1650625

A two-echelon location-routing problem with synchronisation

2019· article· en· W2969271328 sur OpenAlexafffund
Seyed Mostafa Mirhedayatian, Teodor Gabriel Crainic, Mario Guajardo, Stein W. Wallace

Notice bibliographique

RevueJournal of the Operational Research Society · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceRouting (electronic design automation)Vehicle routing problemFacility location problemHeuristicOperations researchMathematical optimizationHeuristicsSpace (punctuation)Service (business)Computer networkMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

Motivated by an actual problem of a national postal service company, we introduce and define a new two-echelon location-routing problem (2E-LRP). The 2E-LRP is defined in a two-echelon distribution system where products are transported from origins to destinations through intermediate facilities. A major question that arises in a two-echelon distribution system is how to synchronise the flows of the two echelons at intermediate facilities. The synchronisation is important due to limited storage space or waiting times for transshipments at the intermediate facilities. In our new 2E-LRP, the activities in the two echelons are organised into two waves; a delivery wave, where products are sent from the primary facility to the customers through the intermediate facilities, and a following pickup wave, where the flow of products is reversed. The model only considers temporal constraints, assuming that capacities are never binding; the vehicles are always large enough given the constraints on time. As a solution approach, we propose a decomposition-based heuristic. Besides the solution approach, we propose data-driven schemes for use in combination with the model and we provide the computational results for different sets of instances.

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)0,003
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 enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,041
Tête enseignante GPT0,284
Écart entre enseignants0,243 · 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

Citations48
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Operational Research SocietyMême sujetUrban and Freight Transport LogisticsTravaux en français237 207