MétaCan
Menu
Retour à la cohorte
Enregistrement W4285175278 · doi:10.5267/j.ijiec.2022.1.004

A dynamic decision-making framework for a hybrid production system for decayed merchandise with shortages in traditional and electronic markets

2022· article· en· W4285175278 sur OpenAlexvenueno aff
Liang‐Tu Chen, Guo‐Ciang Wu, Cher‐Hung Tseng, Ren‐Zong Kuo

Notice bibliographique

RevueInternational Journal of Industrial Engineering Computations · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemanufacturingProfit maximizationProfit (economics)Production planningProduction (economics)Economic shortageSupply chainComputer scienceDynamic programmingMaximizationBusinessIndustrial organizationOperations researchManufacturing engineeringEconomicsMicroeconomicsMarketingEngineering

Résumé

récupéré en direct d'OpenAlex

This research proposes a dynamic decision-making framework for a hybrid production system that incorporates manufacturing and remanufacturing procedures into a closed-loop supply chain network with merchandise substitution and shortages within traditional markets (TM) and electronic markets (EM). In particular, we develop models of profit maximization and equilibrium analysis by using calculus with dynamic programming under four business schemes, including a manufacturing-only model within TM/EM and a hybrid remanufacturing model within TM/EM. Dynamic decision-making planning was taken for brand-new and like-new decayed merchandise in hybrid production systems. The results demonstrate that solutions generated within EMs surpass those within TMs in terms of maximizing profits. Further, the hybrid remanufacturing model did not surpass the manufacturing-only model under a general setting, but had better performance under certain conditions, including intense competition, a smaller remanufacturing cost, a larger brand-new merchandise market size, and a smaller like-new merchandise market size.

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)0,002
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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,014
Tête enseignante GPT0,244
Écart entre enseignants0,229 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Industrial Engineering ComputationsMême sujetSustainable Supply Chain ManagementTravaux en français237 207