MétaCan
Menu
Retour à la cohorte
Enregistrement W4221008141 · doi:10.3926/jiem.3825

An optimization model for demand-driven distribution resource planning DDDRP

2022· article· en· W4221008141 sur OpenAlexafffund
Fatemeh Haji Mohammad, Maha Ben Ali, Pierre Baptiste

Notice bibliographique

RevueJournal of Industrial Engineering and Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematical optimizationComputer scienceSupply chainNetwork planning and designSupply chain networkOperations researchResource (disambiguation)Distribution (mathematics)Industrial engineeringSupply chain managementEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Purpose: Demand-Driven Distribution Resource Planning (DDDRP) has recently been proposed in the literature to deal with higher supply networks complexity, shorter customer tolerance times, and inaccurate forecasts. The DDDRP requires to position inventory buffers in critical network nodes, where the inventory level in each buffer is replenished based on actual demands rather than on demand forecasts. This paper aims to identify optimal buffer positions in a distribution network driven by the DDDRP approach and to assess the performance of the DDDRP approach compared to the conventional Distribution Resource Planning (DRP) approach.Design/methodology/approach: First, a mixed-integer non-linear model is proposed to optimize buffer positioning under supply network constraints and with the objective of minimizing supply chain holding costs. Then, a case study is investigated to validate the optimization model and to evaluate the performance of the optimized distribution network driven by the DDDRP approach, compared to the DRP approach.Findings: Results of the considered case study demonstrate that the distribution network optimized and driven by the DDDRP approach achieves savings of 75% in terms of total holding costs and 67% in terms of inventory amounts, compared to a distribution network driven by the DRP approach.Research limitations/implications: Results of this paper cannot be generalized since several assumptions have been considered. Thus, addressing real case studies in different industrial contexts may be of theoretical and practical interest.Originality/value: This paper is the first to propose a mathematical model to optimize buffer positioning in a distribution network driven by the DDDRP approach.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,033
Tête enseignante GPT0,225
Écart entre enseignants0,191 · 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
GenreEmpirique

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

En bref

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Industrial Engineering and ManagementMême sujetSupply Chain and Inventory ManagementTravaux en français237 207