PPE Distribution Planning and Capacity Acquisition During the COVID-19 Pandemic
Notice bibliographique
Résumé
The COVID-19 pandemic caused disruptions to global supply chains and the uncer- tainty surrounding its progression has created challenges in distributing critical supplies such as personal protective equipment (PPE). We consider the problem of distributing PPE during the COVID-19 pandemic by acquiring distribution and storage capacity from independent carriers for timely and efficiently delivery to health regions. First, a priority- based distribution model is presented that prioritizes health regions by pandemic sever- ity where priorities are based on COVID-19 case counts. Then, we propose a two-stage stochastic model with recourse to examine PPE distribution with uncertain demand. In the first stage, capacity acquisition decisions are made along with an initial distribution plan. Once the pandemic severity unveils, changes to the distribution plan are made in the second stage. The stochastic model is solved using Benders decomposition and approxi- mated using sample average approximation. Benders decomposition and sample average approximation produce similar results with an optimality gap of less than 1%. Benders decomposition requires about 20 minutes to solve, while sample average approximation requires almost an hour. We test on the Ontario health regions network and use the On- tario healthcare worker and COVID-19 data to predict future PPE demand using 1024 scenarios. Comparing the results with actual COVID-19 realizations, we found that the stochastic model provides sufficient PPE to satisfy demand at all regions. Furthermore, only minimum supply is rerouted in the second stage and existing inventory is used to satisfy demand increases where possible. When supply is more spread out amongst the regions, the proportion of demand received at high-priority regions is more balanced, and in the event of supply disturbances, distribution centres are used to stockpile PPE for time periods with low supply.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».