A Logic-Based Benders Decomposition for the Car Resequencing Problem with a Painted Body Storage
Notice bibliographique
Résumé
The cost of producing diverse cars depends on the sequence in which they are arranged in the body shop, paint shop, and assembly shop. Before entering the downstream assembly shop, the upstream car sequence shared by the body shop and paint shop is readjusted via the painted body storage, which consists of several first-in-first-out lanes. The car resequencing problem addressed in this paper requires determining the upstream and downstream sequences and the car-to-lane assignment to minimize the total cost of the three shops. We propose a nested logic–based Benders decomposition approach with three levels, where each car is assigned a body and a color in the first level to determine the upstream sequence. In the second level, cars are rearranged by determining their configurations and downstream positions. A feasible assignment of cars to lanes is sought in the third level to respect this sequence change. We provide a mathematical formulation for each level and propose two shortest-path problem reformulations for the first level, where solving the first reformulation is equivalent to a k-shortest-path problem. The second reformulation is a shortest-path model restricted by demand constraints. A lower bound, valid inequalities, and a heuristic method are also proposed as enhancements. Computational results show that our approach can handle instances of up to 120 cars, about 10 times more than previous studies. A sensitivity analysis is conducted to provide some managerial insights. History: Accepted by Andrea Lodi, Area Editor for Design & Analysis of Algorithms–Discrete. Funding: Financial support for this work was provided by the Canadian Natural Sciences and Engineering Research Council (NSERC) [Grant 2021-04037] and the National Natural Science Foundation of China [Grant 72372087]. Supplemental Material: The software that supports the findings of this study is available within the paper and its Supplemental Information ( https://pubsonline.informs.org/doi/suppl/10.1287/ijoc.2024.0904 ) as well as from the IJOC GitHub software repository ( https://github.com/INFORMSJoC/2024.0904 ). The complete IJOC Software and Data Repository is available at https://informsjoc.github.io/ .
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».