MétaCan
Menu
Retour à la cohorte
Enregistrement W4281645527 · doi:10.3390/jrfm15060239

A Fuzzy Imperfect Production Inventory Model Based on Fuzzy Differential and Fuzzy Integral Method

2022· article· en· W4281645527 sur OpenAlexvenueno aff
Amalesh Kumar Manna, Leopoldo Eduardo Cárdenas‐Barrón, Jayanta Kumar Dey, Shyamal Kumar Mondal, Ali Akbar Shaikh, Armando Céspedes-Mota, Gerardo Treviño-Garza

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueFuzzy Systems and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFuzzy logicImperfectFuzzy setProduction (economics)DefuzzificationFuzzy numberMathematical optimizationFuzzy set operationsComputer scienceEconomic production quantityNeuro-fuzzySensitivity (control systems)Fuzzy classificationMathematicsFuzzy control systemProcess (computing)Artificial intelligenceEconomicsEngineeringMicroeconomics

Résumé

récupéré en direct d'OpenAlex

In the inventory theory, to treat the uncertainty, the fuzzy set concept is used in order to provide a feasible approach to deal with the uncertainty problem. In this research work, a fuzzy economic production quantity model with interactive fuzzy demands is proposed. In a production process, in the beginning, the system is assumed to be in a controlled state in which only perfect items are manufactured. Later, the manufacturing production process shifts to be an out-of-control-state system; producing both perfect and imperfect items simultaneously, this is considered as a fuzzy state. The defective production rate is also taken into account as a fuzzy state. Here, the selection process of produced items is realized during the production period. With the aim of studying the practical feasibility of the fuzzy economic production inventory model along with a sensitivity analysis of some parameters, different numerical examples are illustrated.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,259
Écart entre enseignants0,242 · 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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFuzzy Systems and OptimizationTravaux en français237 207