MétaCan
Menu
Retour à la cohorte
Enregistrement W4402448297 · doi:10.1016/j.compind.2024.104184

Virtual warehousing through digitalized inventory and on-demand manufacturing: A case study

2024· article· en· W4402448297 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueComputers in Industry · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensNexen (Canada)
Organismes subventionnairesManufacturing Academy of DenmarkAalborg Universitet
Mots-clésWarehouseManufacturing engineeringComputer scienceInventory managementInventory theoryEngineeringOperations managementEngineering drawingOperations researchIndustrial engineeringBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

Novel digital on-demand manufacturing technologies provide a significant opportunity to support development of virtual warehousing and in turn improve supply chain performance. However, the implementation of virtual warehouse comes with a set of challenges, especially where the objective is to virtually warehouse standard or legacy parts that have been developed and verified initially for conventional (non-digital) manufacturing. In this paper, we explore the key elements required for successful implementation of a virtual warehouse for legacy parts based on a combination of part digitalization, on-demand manufacturing, and part validation. Our proposed framework for adoption of virtual warehouse includes development of a digital inventory which includes supply chain and manufacturability data, identification, and selection of suitable parts for on-demand manufacturing, selection of on-demand manufacturing technology, fit-for-purpose validation of the parts. Our framework is exemplified through a case study, and we conclude that the building of an effective virtual warehouse requires several enablers, including availability of digital data about technical and supply chain characteristics of parts, but also a suitable part identification tool. This part identification tool needs to be flexible to include comparison with reference parts already produced by different on-demand manufacturing technologies. • Development of a framework supporting the virtualization of a warehouse. • Digital inventory comprising representations of parts and information about critical-to-quality requirements. • Part identification platform is established as a key enabler for adoption of virtual warehousing. • Data availability and quality is crucial for building digital inventory and virtual warehousing. • Validation of the product model, part selection model and production process is critical to adoption of virtual warehousing.

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 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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,727

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,027
Tête enseignante GPT0,269
Écart entre enseignants0,242 · 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