MétaCan
Menu
Retour à la cohorte
Enregistrement W4285580373

Tactical capacity planning in an integrated multi-stakeholder freight transportation system

2021· report· en· W4285580373 sur OpenAlexaff
Gita Taherkhani, Ioana Bilegan, Teodor Gabriel Crainic, Michel Gendreau

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2021
Typereport
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésStakeholderBusinessTransport engineeringTraffic managementTransportation planningEngineeringEconomicsManagement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study focuses on investigating tactical planning of an integrated multi-stakeholder system. The system receives time-dependent requests from carriers and shippers and optimizes in time and space the operations and transportation activities through consolidation of loads of different shippers into the same vehicles and synchronization of activities. The aim of tactical planning in this system is to build an efficient service network and schedule to satisfy the regular demand and requirements of shippers by making use of the predicted services and their capacities offered by the carriers. The decisions to be made are to select the transportation services offered by carriers, schedule the services that will operate, select the shipper-demand requests to move, identify the demand itineraries, and find the terminals where the shipments need to be stored temporarily with the objective of maximizing the profitability of the system. A novel mathematical formulation of the problem is introduced. Extensive computational analysis is performed on the split and unsplit shipment-flow versions of the problem to evaluate the solution potential of the proposed model with emphasis on the effect of the choice of parameters.

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)0,002
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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
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 Opus0,075
Tête enseignante GPT0,284
Écart entre enseignants0,209 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetVehicle Routing Optimization MethodsTravaux en français237 207