MétaCan
Menu
Retour à la cohorte
Enregistrement W4387500327 · doi:10.1111/poms.14072

Economic production with Poisson demand, lost sales, fixed‐rate discrete replenishment, and a constant setup time

2023· article· en· W4387500327 sur OpenAlexaff
Thomas Schmitt, Bruce Faaland, Mark McKay

Notice bibliographique

RevueProduction and Operations Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAdvanced Queuing Theory Analysis
Établissements canadiensTrinity Western UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésPoisson distributionIdleConstant (computer programming)Holding costFixed costBounded functionMathematical optimizationLead timeProduction (economics)Matrix (chemical analysis)MathematicsComputer scienceStatisticsEconomicsOperations management

Résumé

récupéré en direct d'OpenAlex

We address a production/inventory problem for a single product and machine where demand is Poisson distributed, and the times for unit production and setup are constant. Demand not in stock is lost. We derive a solution for a produce‐up‐to policy that minimizes average cost per unit time, including costs of setup, inventory carrying, and lost sales. The machine is stopped periodically, possibly rendered idle, set up for a fixed period, and then restarted. The average cost function, which we derive explicitly, is quasi‐convex sparately in the produce‐up‐to level Q , the low‐level R that prompts a setup, and jointly in R equals Q . We start by finding the minimizing value of Q where R equals 0, and then extend the search over larger R values. The discrete search may end with R less than Q , or on the matrix diagonal where R equals Q , depending on the problem parameters. Idle time disappears in the cycle when R equals Q , and the two‐parameter system folds into one. This hybrid policy is novel in make‐to‐stock problems with a setup time. The number of arithmetic operations to calculate costs in the ( Q , R ) matrix depends on a vector search over Q . The computation of the algorithm is bounded by a quadratic function of the minimizing value of Q . The storage requirements and number of cells visited are proportional to it.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,456
Score d'incertitude au seuil0,848

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,221
Écart entre enseignants0,212 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProduction and Operations ManagementMême sujetAdvanced Queuing Theory AnalysisTravaux en français237 207