MétaCan
Menu
Retour à la cohorte
Enregistrement W4285181045 · doi:10.5267/j.uscm.2022.5.007

Discrete-event simulation-based decision making of Just-In-Time strategies for precast concrete supply chain using batch delivery and offsite inventory level

2022· article· en· W4285181045 sur OpenAlexvenueno aff
Thanh-Duy Phan, Nathee Athigakunagorn

Notice bibliographique

RevueUncertain Supply Chain Management · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensnon disponible
Organismes subventionnairesKasetsart University
Mots-clésPrecast concreteSupply chainLead timeDiscrete event simulationOperations managementComputer scienceSupply chain managementScheduling (production processes)Operations researchDecision support systemRisk analysis (engineering)BusinessEngineeringSimulationMarketingCivil engineering

Résumé

récupéré en direct d'OpenAlex

Precast concrete (PC) can potentially improve construction industry projects when used as a primary process in the precast concrete supply chain (PCSC). Successful inventory reduction and on-time delivery are essential in the PCSC because of critical scheduling and cost factors. To solve these challenges, this study applied Just-In-Time (JIT) strategies in the PCSC using the Discrete-Event Simulation (DES) model to help manufacturers identify the optimal decision. The factors considered were offsite inventory levels (based on days buffered) and batch delivery decisions that reduced supply penalties and improved construction performance. The model was validated based on a precast project experiment in Vietnam; the model provided a saving of 52% in manufacturer penalties and reduced construction idle work by 77%. An optimal combined decision was provided for the manufacturer, such as a 1day-4batch decision with maximum benefit and a 2day-2batch decision for safety using an uncertainty risk consideration in the PC wall panel study case. This research contributes a tool to help manufacturers in decision making and promotes the use of JIT applications/strategies in the PCSC process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: Empirique
Score de désaccord entre enseignants0,335
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,026
Tête enseignante GPT0,265
Écart entre enseignants0,240 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetBIM and Construction IntegrationTravaux en français237 207