MétaCan
Menu
Retour à la cohorte
Enregistrement W3162849139 · doi:10.1287/inte.2021.1080

Theory-Driven Practical Approach to Integrate R&D and Production Planning for Portfolio Management in Agribusiness

2021· article· en· W3162849139 sur OpenAlexaff
Saurabh Bansal, Genaro Gutierrez, Mahesh Nagarajan

Notice bibliographique

RevueINFORMS Journal on Applied Analytics · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueOptimal Experimental Design Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)Flexibility (engineering)Modern portfolio theoryPortfolioComputer scienceFunction (biology)Operations researchPopulationAgribusinessYield (engineering)EconomicsMicroeconomicsMathematicsAgricultureGeographyStatisticsFinancial economics

Résumé

récupéré en direct d'OpenAlex

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.

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)0,010
score de la tête « metaresearch » (Gemma)0,015
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0050,005
Science ouverte0,0030,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,209
Tête enseignante GPT0,465
Écart entre enseignants0,256 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFORMS Journal on Applied AnalyticsMême sujetOptimal Experimental Design MethodsTravaux en français237 207