Inventory Management under Storage and Order Restrictions
Notice bibliographique
Résumé
Inventory management in most practical settings faces challenges due to various restrictions on storage and replenishment of products. These restrictions may be posed by budget availability, different production/supply schedules for different products, and limited storage space shared by a number of products—very common in retail, food, and the pharmaceutical industry. Motivated by this, we investigate in this study how simultaneous restrictions on shared storage capacity and product‐specific order capacities impact optimal replenishments in a multi‐product system. We formulate the inventory replenishment problem as a multi‐period stochastic dynamic program, where products face stochastic demand with general distributions and excess demand is lost or fulfilled by emergency orders. We first fully characterize the optimal replenishment policy for two‐product systems, and provide a methodology to compute optimal replenishment quantities, which can be described as a dynamic priority‐based replenishment rule. Our results show that for each product, the optimal replenishment priority as well as quantity depends on the inventory levels of both products and all available capacities. More interestingly, the results show that capacity restrictions can flip the stocking priorities of products. Based on the optimal policy for two‐product systems, we develop a heuristic for multi‐product systems whose complexity scales linearly with the number of products. Under moderate storage capacities, our heuristic significantly outperforms the naive heuristics that ignore dynamic priority assignment, and closely captures the benefits of the optimal policy for systems with large number of products.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,001 |
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.
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 ».