A multi-phase integrated scheduling method for cloud remanufacturing systems
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
• A framework for cloud remanufacturing, encompassing a series of remanufacturing macroscopic phases, is established. • A multi-phase integrated scheduling problem for the proposed cloud remanufacturing system is introduced. • A mathematical model is developed to explain the scheduling problem. • An improved whale optimization algorithm integrating enhanced population updating mechanisms is designed to address this problem. The cloud remanufacturing system embraces a series of interdependent remanufacturing macroscopic phases (RMAs) with intricate precedence relationships, increasing the complexity of task scheduling and resource allocation. Thus, the multi-phase integrated scheduling is necessary to manage remanufacturing tasks and optimize resources and capabilities effectively in the cloud environment. This research investigates the multi-phase integrated scheduling problem for cloud remanufacturing system involving a series of RMAs including initial inspection, disassembly, reprocessing, reassembly, and final test. A mathematical model is created to explain the scheduling issue using the suggested cloud remanufacturing framework. Due to the high complexity of integrated scheduling, traditional meta -heuristic algorithms cannot be directly applied to solving the problem. Thus, an improved whale optimization algorithm (IWOA) incorporating the self-adaptive weighting and quadratic interpolation techniques is proposed for addressing the studied problem efficiently. A case study is designed and conducted, and the findings indicate that the IWOA is more effective than other methods in addressing the proposed complex scheduling issues with better accuracy, faster computation, and improved convergence efficiency.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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