An Adaptive Sequential Decision-Making Approach for Perishable Food Procurement, Storage and Distribution Using Hyperconnected Logistics
Notice bibliographique
Résumé
The fast-food industry currently relies on frozen ingredients to reduce the cost of procurement of raw materials. In recent years, consumers have started to curb their habit of eating out from fast-food chain restaurants due to the growing concerns for unhealthy menu choices made primarily from highly processed and/or frozen food ingredients. To address these issues, some organizations in the fast-food industry have started to offer menus with fresh unfrozen ingredients sourced locally or regionally. This paper addresses the problem of integrating sourcing, storage, and distribution strategies for a fast-food restaurant chain at the regional level. We present an adaptive sequential optimization decision-making approach for procurement, storage, and distribution of perishable food products to multi-unit restaurants at the regional level. This solution approach uses shelf-life considerations in developing a procurement and distribution strategy for fresh produce in the era of hyperconnected logistics. Three models are developed using Mixed Integer Linear Programming (MILP). First, a procurement model is developed to find the cost-effective supplier for each produce category based on shelf life. Then, a distribution model is developed to find the cost-optimal solution for distributing produce to multiple restaurant locations considering weight, volume, and operation hours. Finally, an integrated model is developed to optimally combine procurement and distribution options generated by the first two models to minimize costs while respecting total shelf-life constraints. Numerical experiments based on realistic data are carried out to show that the proposed sequential approach yields valid decisions and presents the effects of price, shelf-life, and demand changes on the supply chain.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».