MétaCan
Menu
Retour à la cohorte
Enregistrement W4412913524 · doi:10.1016/j.apm.2025.116323

Optimal periodic review order-up-to policy in a single-vendor multi-retailer cold chain with continuous multi-stage quality degradation

2025· article· en· W4412913524 sur OpenAlexafffund
G. Chen, Mohamed Wahab Mohamed Ismail, Liping Fang

Notice bibliographique

RevueApplied Mathematical Modelling · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVendorCold chainSupply chainQuality (philosophy)Degradation (telecommunications)Order (exchange)Stage (stratigraphy)Chain (unit)Mathematical optimizationComputer scienceOperations researchOperations managementMathematicsBusinessEngineeringMechanical engineeringMarketingPhysicsGeologyFinance

Résumé

récupéré en direct d'OpenAlex

This study presents a cost optimization model for a two-echelon cold chain involving a single vendor and multiple retailers with stochastic product demand. The vendor and retailers follow periodic review order-up-to policies, where the vendor’s review period is an integer multiple of each retailer’s review interval. Product quality degradation, influenced by storage time and temperature, is modeled using the non-Arrhenius equation and the global stability index method. Degradation begins at the vendor’s side and continues at the retailers’, necessitating a continuous modeling approach. An algorithm is developed to minimize the expected total cost and to determine the optimal decisions for the cold chain. The study explores various scenarios and their optimal solutions, highlighting the impact of storage time and temperature on quality degradation and cost efficiency. The findings demonstrate that periodic review order-up-to policies enhance cost efficiency and inventory management in cold chains, while controlling storage time and temperature is essential to mitigate quality degradation and maintain product integrity. A continuous degradation model provides a more accurate understanding of quality loss across multiple stages, enabling better decision-making. Scenario analysis helps identify cost-effective strategies tailored to specific supply chain conditions, and the proposed algorithm serves as a practical tool for managers to balance cost and quality in cold chain operations. This research advances cold chain management by integrating cost optimization with quality degradation modeling, offering actionable insights for improved replenishment strategies and operational decision-making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,085
Tête enseignante GPT0,307
Écart entre enseignants0,221 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Mathematical ModellingMême sujetSupply Chain and Inventory ManagementTravaux en français237 207