Approximate Dynamic Programming Modeling for a Typical Blood Platelet Bank
Notice bibliographique
Résumé
It addresses some of the literature gaps and overcome curse of dimension problem.The model considers eight blood types with stochastic demand, stochastic supply.It uses news vendor model and the current inventory to control the supply uncertainty.It uses linear programing to solve the single-period inventory model optimally.It uses ADP to solve the multi-period model without any downsizing. This paper introduces a workable model for the establishment of an inventory bank holding perishable blood platelets with a short shelf life. The model considers a blood platelet bank with eight blood types, stochastic demand, stochastic supply, and deterministic lead time. The model is formulated using approximate dynamic programming. The model is evaluated in terms of four measures of effectiveness: blood platelet shortage, outdating, inventory level, and reward gained. Moreover, several alternative inventory control policies are analyzed. The order quantity decision is taken using a news-vendor model. In addition, the variation of the O- percentage is studied. This study confirms that the blood platelet bank reward can be maximized by operating at the optimal inventory level, thereby minimizing the number of outdated units as well as shortages. In addition, the suitable O- percentage within the blood platelet bank inventory was studied. As the O- blood type inventory levels increase to 40%, shortages drop from 3.9% to 1.5%. Outdated units drop from 4.6% to 1.8%. Furthermore, when the order quantity is received twice a day, shortages drop to 1.8% and outdated units drop to 2.1%.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».