MétaCan
Menu
Retour à la cohorte
Enregistrement W3084639068 · doi:10.5267/j.dsl.2020.8.004

A scenario-based stochastic programming approach for designing and planning wheat supply chain (A case study)

2020· article· en· W3084639068 sur OpenAlexvenueno aff
Fahimeh Pourmohammadi, Ebrahim Teimoury, Mohammad Reza Gholamian

Notice bibliographique

RevueDecision Science Letters · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupply chainFood securityStochastic programmingQuality (philosophy)Linear programmingInteger programmingFood supplyTerm (time)Computer scienceSupply chain managementEnvironmental economicsOperations researchAgricultural engineeringBusinessAgricultureEconomicsAgricultural economicsMarketingEngineeringMathematical optimizationMathematics

Résumé

récupéré en direct d'OpenAlex

Agri-food supply chains have received the attention of many researchers in recent years for various reasons, including food security and health-related issues. Wheat, as a staple food in many countries, is the most cultivated crop in the world. Due to the importance of wheat, this paper proposes a mixed-integer linear mathematical model for redesigning and planning of the wheat supply chain. The proposed model determines the location and capacity of new storage facilities while addressing supplier selection, ordering, storing, transportation, and distribution problems. This model considers the differences between long-term and short-term storage facilities and the quality of wheat. Moreover, the proposed model addresses the uncertainties associated with the quantity of domestic supply and demand through a stochastic scenario-based programming approach. Applicability of this model is investigated using real data from the wheat supply chain of Iran. Results show that seven new long-term storage facilities should be opened, which decreases total costs by 3.45 percent.

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)0,002
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 enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,047
Tête enseignante GPT0,278
Écart entre enseignants0,231 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDecision Science LettersMême sujetAgricultural risk and resilienceTravaux en français237 207