Demand Driven Material Requirements Planning (DDMRP): A systematic review and classification
Notice bibliographique
Résumé
Purpose: Demand Driven Material Requirements Planning (DDMRP) aims to deal with variability by adjusting inventory levels while maintaining, or even increasing, customer service levels. This approach bridges the push and pull approaches. Even though it first made its appearance in 2011, research in this field remains relatively limited. This paper aims to measure the spatiotemporal evolution of the DDMRP, its scope and context of implementation, and the research lines studied in that field in order to identify areas that still need to be addressed by future researchers.Design/methodology/approach: The systematic literature review approach adopted in this paper examines research dealing with the DDMRP approach published in different languages between 2009 and 2020. To-date papers focused on the performance analysis and comparison, what differentiates this study is the focus on the scientific evolution level of DDMRP, the parameters, and contexts that should be more studied.Findings: The results show that DDMRP is not yet a mature method and that the robustness of the approach still needs to be tested. More research is also required to determine scientifically some setting parameters, how the proposed DDMRP could be implemented in different industrial contexts with existing information systems.Originality/value: Based on the evolution analysis of DDMRP, this study outlines its current state of maturity and its different shortcomings under a broader vision to make this method more complete on the scientific and industrial level.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,037 | 0,037 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».