Theory-Driven Practical Approach to Integrate R&D and Production Planning for Portfolio Management in Agribusiness
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
Agribusiness firms, with an eye toward increasing population and evolving weather patterns, are investing heavily into developing new varieties of staple crops that can provide higher yields and are robust to weather fluctuations. In this paper, we describe a multiyear effort at Dow Agrosciences (now Corteva) to manage its seed corn portfolio, which includes several hundred seeds and is valued at more than $1 billion. The effort had two mutually interacting parts: (1) developing a decision-analytic theory to estimate the production yield distributions for new seed varieties from discrete quantile judgments provided by plant biology experts and (2) developing an optimization protocol to determine Dow's annual production plan for the seed portfolio with the flexibility of backup production in South America, under production yield uncertainty. The first part, owned by the research and development (R&D) function, provides yield probability distributions as inputs to the optimization protocol of the second part, which the production function owns. The results of the optimization problem, which include information about the attractiveness of specific future varieties, are returned to R&D. Both parts incorporate contextual details specific to this industry. In this paper, we show the optimality of linear policies for both problems. Additionally, the linear policies have many attractive structural properties that continue to hold for the more complex instances of the problems. A major strength of the theory we developed is that it is implementable in a transparent fashion, providing managers with a user-friendly, real-time decision support tool. The implementation of the theory developed has led to significant monetary and managerial benefits at Dow.
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 | 0,005 | 0,002 |
| 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 | 0,000 |
| 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