The Role of AI in Warehouse Digital Twins: Literature Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the era of industry 5.0, digital twins (DTs) play an increasingly pivotal role in contemporary society. Despite the literature’s lack of a consistent definition, DTs have been applied to numerous areas as virtual replicas of physical objects, machines, or systems, particularly in manufacturing, production, and operations. One of the major advantages of digital twins is their ability to supervise the system’s evolution and run simulations, making them connected and capable of supporting decision-making. Additionally, they are highly compatible with artificial intelligence (AI) as they can be mapped to all data types and intelligence associated with the physical system. Given their potential benefits, it is surprising that the utilization of DTs for warehouse management has been relatively neglected over the years, despite its importance in ensuring supply chain and production uptime. Effective warehouse management is crucial for ensuring supply chain and production continuity in both manufacturing and retail operations. It also involves uncertain material handling operations, making it challenging to control the activity. This paper aims to evaluate the synergies between AI and digital twins as state-of-the-art technologies and examines warehouse digital twins’ (WDT) use cases to assess the maturity of AI applications within WDT, including techniques, objectives, and challenges. We also identify inconsistencies and research gaps, which pave the way for future development and innovation. Ultimately, this research work’s findings can contribute to improving warehouse management, supply chain optimization, and operational efficiency in various industries.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle