MétaCan
Menu
Retour à la cohorte
Enregistrement W4321765342 · doi:10.1139/cjfr-2022-0209

Optimizing truck platooning transportation planning: an application to forestry products supply chains

2023· article· en· W4321765342 sur OpenAlexafffundvenue
Saba Gazran, Tasseda Boukherroub, Mikael Rönnqvist, Marc Paquet

Notice bibliographique

RevueCanadian Journal of Forest Research · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensÉcole de Technologie SupérieureUniversité de MontréalUniversité Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésTruckSupply chainTransport engineeringPlatoonSupply chain optimizationForest roadFlow networkComputer scienceBusinessOperations researchSupply chain managementEngineeringAutomotive engineeringForestryControl (management)

Résumé

récupéré en direct d'OpenAlex

The Fourth Industrial Revolution offers new opportunities for improving the efficiency and agility of supply chain operations such as transportation. This study explores the impact of integrating truck platooning technology in forestry products supply networks. Companies need to know how and where to use truck platooning in transportation networks to get optimum benefits from truck platooning in supply chains. To this end, a Mixed Integer Linear Programming model was developed. Decisions to be made include the selection of the potential terminal locations, the number of ordinary and platooning trucks needed in the transportation network, the origin and destination of products, and their flow in direct and backhaul routes. The objective is to minimize the overall transportation cost, including terminal location costs, fixed costs for ordinary and platoon trucks, fuel, and driver costs. A total of 27 randomly generated instances are used to test the optimization model. We considered several scenarios to analyze different combinations of using or not backhauling, having or not truck platoons in the network, and allowing or not the truck platoons to visit the forest areas. The results show that the potential savings of combining the two types of trucks are in the range of 1%–12% in the scenarios in which truck platooning transportation is allowed only between terminal and mill nodes. This savings could reach more than 20% when the truck platoons are allowed to visit forest areas, depending on how many forest areas are visited. The number of drivers can be reduced by 3% to more than 30%. In addition, using truck platooning and backhauling together could reduce fuel consumption by 15.6% on average.

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: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,116

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,049
Tête enseignante GPT0,309
Écart entre enseignants0,260 · 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

Citations10
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Biomass Utilization and ManagementTravaux en français237 207