Optimization of Logistic Solutions for Incoming and Outgoing Trucks System Using a Simulated Cross-Docking Centre Environment
Notice bibliographique
Résumé
This study describes, characterises and analyses the optimisation of truck entry and exit time windows, which includes a cross-docking centre planning strategy, using the simulation environment of the AnyLogic software environment.The article describes the use of software integers (IP*) and heuristics (IP1 and IP2) for the time windows of a cross-docking centre.Based on a mathematical model using an integer number program (IP*) and heuristics (IP1 and IP2), a scheduling problem is investigated.This program consists in minimizing the penalties for violation of the time windows for inbound and outbound trucks.It also enables to calculate the operation time of time windows on an ongoing basis.The cross-docking-center model is a layout, which includes logistic elements of technological processes, created using the AnyLogic software.It is found out by using order diagrams that after unloading arriving trucks, the goods are collected in four stages, the first two of which (queuing and waiting for collection) determine the loading rate of goods in the trucks departing from the crossdock.After determining the main stages of order collecting using the cross-docking strategy, the dependences of the average time of unloading and loading goods are studied.The average unloading and loading time are found to be 30 and 25 minutes, respectively.Based on the time dependences, a diagram of the average time of a truck in the dock, being about an hour -an hour and a half, is created.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».