Virtual warehousing through digitalized inventory and on-demand manufacturing: A case study
Notice bibliographique
Résumé
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.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».