MétaCan
Menu
Retour à la cohorte
Enregistrement W4381157383 · doi:10.1080/00207543.2023.2204958

Service-level-driven procurement and production lot-sizing problem with demand fulfilment

2023· article· en· W4381157383 sur OpenAlexaff
Caio Paziani Tomazella, Maristela Oliveira dos Santos, Douglas Alem, Raf Jans

Notice bibliographique

RevueInternational Journal of Production Research · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensHEC Montréal
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésJavaScriptComputer scienceProduction (economics)ProcurementSizingService (business)ZoomFeature (linguistics)Order (exchange)Industrial engineeringEngineeringProgramming languageBusinessEconomicsMicroeconomicsMarketing

Résumé

récupéré en direct d'OpenAlex

This paper presents novel models for the Integrated Procurement and Lot-Sizing Problem with multiple customers and backlogging. Since allowing backlog in a traditional cost minimisation model involves dealing with intangible costs of not fulfilling the demand on time, we propose optimising service-levels while keeping the costs minimal using a budget constraint. The motivation of this study emanates from a manufacturing company that assembles commercial and industrial refrigeration equipment, using both purchased materials and in-house products. Instead of considering an aggregate demand, we consider the specific demand from various customers. This allows us to incorporate demand fulfilment decisions into the model in case of stock-outs by deciding which customers will have their orders backlogged. The fill-rate, or β service-level, is considered both globally and for customers and products individually. Computational experiments show that the service-level-driven models improve service when compared to the traditional cost model and also end up enforcing service equity among different customers at the expense of a deterioration in the global fill-rate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,357
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,158
Tête enseignante GPT0,348
Écart entre enseignants0,190 · 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 tête enseignante, 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
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Production ResearchMême sujetSupply Chain and Inventory ManagementTravaux en français237 207