A simulation study of capacity utilization in a third-party logistics provider warehouse
Notice bibliographique
Résumé
ABSTRACT \n \nA simulation study of capacity utilization in a third-party logistics provider warehouse \n \nChristiaan Casilimas Jacome \n \nNowadays companies focus more on their core business operations and subcontract third parties to perform services that were traditionally performed in-house. A third-party logistics provider (3PL) is an organization used to outsource elements of the supply chain like transportation and warehousing services. In 2019 this industry contributed about 90 billion CAD to the total Canadian GDP. \nOne of the biggest constraints in warehousing, is the effective management of warehouse capacity. Warehouses are physically limited by their layout, number of pallet positions, number of dock doors, size of the storage locations, size of the aisles, among others. Additional challenges may arise due to the seasonality of storage requirements. 3PL providers offering warehousing services are thus interested in determining at which levels of used capacity a warehouse is more profitable. This information can then be used to develop an order-accepting strategy for the company to be used during low and high seasons. \nThe main contribution of this thesis is to develop a simulation tool that provides a good starting point to answer these questions. In particular, the thesis focuses on a case study involving the operations of one particular 3PL warehouse with a major customer who moves only full pallets. This 3PL handles temperature sensitive products using a turret truck in a narrow aisle work environment.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».