Time–Cost–Quality Trade-Off in a Broiler Production Project Using Meta-Heuristic Algorithms: A Case Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The global production of broiler meat was forecasted to be 97.8 MT in 2019. The cost fluctuations create risks in production. In order to have an effective management system, process uncertainty must be taken into account. This approach considers the process as an interval with fuzzy numbers and, for managing the risks, it uses the variable α, a parameter determined by the manager in an interval between 0 and 1. Then two algorithms, namely the multi-objective imperialist competitive algorithm (MOICA) and multi-objective particle swarm optimization (MOPSO), were compared and applied. Since the process of production has many activities and each activity has possible options, the process does not have a unique solution. Therefore, the objective function and its assigned weights in terms of time, cost, and quality can be applied to select the best solution from those obtained. A vast amount of uncertainty can be observed, and effective management necessitates dealing with these uncertainty issues. The MOPSO algorithm showed better performance than the MOICA algorithm in this problem. Based on fuzzy logic and influenced by the uncertainty condition (α = 0), time, cost, and quality in the MOPSO and the MOICA algorithms were 1793.8 h, $260,571.7, and 46.66%, and 1792.5 h, $260,585.7, and 51.19%, respectively.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 0,000 |
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.
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 découle