MétaCan
Menu
Retour à la cohorte
Enregistrement W4414182219 · doi:10.63593/ist.2788-7030.2025.08.006

Digital Twin-Driven Intelligent Collaborative Automation Model for Global Warehouse Networks and Application Validation

2025· article· en· W4414182219 sur OpenAlexaboutno aff
Dianne Ni

Notice bibliographique

RevueInnovation in Science and Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupply chainOutsourcingAutomationMultinational corporationContext (archaeology)Scheduling (production processes)Data warehouseSupply chain management

Résumé

récupéré en direct d'OpenAlex

In the context of accelerated globalization, multinational logistics companies are confronted with significant challenges in global warehousing networks, including information latency, resource misallocation, and inefficient collaboration. This study addresses these issues by introducing digital twin technology to construct a virtual mirroring system for the overseas warehouse layouts of DongGuan Kreen Import and Export Co., Ltd. (with branches in the United States, Canada, Germany, and Vietnam). The digital twin system enables real-time collaboration and automated scheduling across global warehousing nodes, thereby enhancing the resilience of the global supply chain. The research is centered on three main aspects: First, a dynamic digital twin model is developed based on the physical space, equipment status, and business data of global warehousing nodes, achieving millisecond-level synchronization between physical and virtual warehouses. Second, intelligent resource allocation algorithms, automated cross-continental transfer decision mechanisms, and autonomous abnormal event response processes are designed to upgrade warehouse collaboration from a “passive execution” to an “active prediction” mode. Third, the digital twin model is validated in the context of “Amazon FBA headhaul logistics,” focusing on its collaborative efficiency in global warehouse stocking, replenishment, and return/exchange processes, with an emphasis on improving the response speed of cross-border e-commerce supply chains. The study demonstrates that the digital twin-driven intelligent collaborative automation model for global warehouse networks significantly enhances collaborative efficiency and supply chain resilience, forming a technical standard and practical paradigm for digital twin automation collaboration in global warehouses. This provides technological support for multinational logistics companies to address global warehousing collaboration challenges and enhances China’s scheduling discourse power in the global supply chain.

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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
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 Opus0,012
Tête enseignante GPT0,271
Écart entre enseignants0,259 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Science and TechnologyMême sujetDigital Transformation in IndustryTravaux en français237 207