MétaCan
Menu
Retour à la cohorte
Enregistrement W4361300645 · doi:10.18280/jesa.560109

The Role of Warehouse Layout and Operations in Warehouse Efficiency: A Literature Review

2023· review· en· W4361300645 sur OpenAlexvenueno aff
Ibrahim Hassan Mohamud, Md. Abdul Kafi, Syairah Aimi Shahron, Nizamuddin Zainuddin, Suria Musa

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWarehouseComputer scienceBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

Organizations now use warehouse efficiency as a centre of expertise or a strategic weapon. A warehouse that works well can meet customer needs quickly and helps a business do better. So, the goal of this study is to look at how the attributes of a warehouse affect warehouse efficiency. This study looks at two attributes about warehouses: their layout and warehouse operations. A literature review was first conducted to find the role of warehouse attributes (layout and operation) in warehouse efficiency to draw lessons from the literature. The articles that were published between 2019 and 2022 were examined. The authors evaluated the studies' eligibility, retrieved data from the studies that were included, and assessed the study's quality and bias risk. Several studies showed that the attributes of a warehouse make a big difference in how well it works by showing the good effects on efficiency. Also, a warehouse is more efficient when it is set up in a way that makes it easy to meet customer needs quickly. Along with how the warehouse is set up, warehouse operations are a key part of making it more efficient. Layout and operations work together to make a warehouse more efficient as a whole.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,021
Tête enseignante GPT0,279
Écart entre enseignants0,259 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetAdvanced Manufacturing and Logistics OptimizationTravaux en français237 207