MétaCan
Menu
Retour à la cohorte
Enregistrement W4413001899 · doi:10.19139/soic-2310-5070-2367

Optimizing cell load regulation capability in dynamic cell manufacturing systems

2025· article· en· W4413001899 sur OpenAlex
YAO K. Adrien, KONE Oumar, EDI K. Hilaire, TAKOUDA P. L. Matthias

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

RevueStatistics Optimization & Information Computing · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésCellular manufacturingComputer scienceEngineeringManufacturing engineering

Résumé

récupéré en direct d'OpenAlex

Variation in production cell load arises from machine loads exceeding their capacity and the constraints of cellular capacity. This issue has become increasingly critical in scheduling cellular manufacturing systems. In this paper, we propose a novel approach for scheduling in dynamic cellular manufacturing systems. The objective is to minimize cell load variations and associated costs while achieving a balance between internal manufacturing and subcontracting. To address this, we developed a mixed-integer linear programming (MILP) mathematical model, which was solved using LINGO 19.0 software. The model focuses on reducing cell load variation, minimizing associated costs, and optimizing the balance between internal production and subcontracting. Extensive computational experiments use medium-scale problem instances with randomly generated demand scenarios. The results demonstrate the effectiveness of the proposed model in generating optimal solutions, significantly reducing cell load variation and related costs. Furthermore, computational efficiency is notable, with solutions obtained in very low processing times. This underscores the model's practical applicability and robustness in addressing real-world scheduling challenges in cellular manufacturing systems.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil1,000

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,207
Écart entre enseignants0,203 · 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