Optimisation of the Single-Vendor Single-Buyer Supply Chain System under Fuzzy Demand Using Optimisation–Simulation Closed Loop Technique
Notice bibliographique
Résumé
This research aims to model and optimise the most applicable supply chain system, which is a single-vendor single-buyer system with fuzzy buyer demand. An optimisation model of the supply chain system under consideration is built by formulating the objective function, which is minimising the joint total cost between a buyer and a vendor. The model is developed on the basis of a simulation system, and optimisation is carried out by utilising a Genetic Algorithm that has been embedded in the simulation system. This technique is called optimisation–simulation closed loop. The vendor actual condition, which deals with uncertain demands from the main buyer and other small buyers, is considered. To analyse timely supply chain events, a simulation system is developed. A new optimisation model for the single-vendor single-buyer supply chain system with fuzzy demand is developed on the basis of the simulation system. The use of optimisation–simulation closed loop is also a new finding. In this study, the optimisation model of the supply chain under consideration is developed by taking into account a specific condition in which the vendor receives demands from the main buyer and other small buyers. Naturally, buyer demand is uncertain and has been modelled using a fuzzy set. The use of optimisation–simulation closed loop enables the supply chain to make the optimum decision when at the steady state condition.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».