Développement et application d'un modèle de simulation à base d'agents pour l'analyse de stratégies de logistique inverse : une étude de cas sur les bouteilles de vin au Québec
Notice bibliographique
Résumé
Les réseaux de distribution visent à fournir les bons produits aux consommateurs au bon moment et au bon endroit.Lorsque les consommateurs retournent ces produits, un autre type de réseau logistique intervient.Cette fonction de retour des produits en fin de vie est appelée "logistique inverse".Une caractéristique essentielle de ces réseaux de logistique inverse est que leurs flux de matières dépendent souvent de l'action volontaire du consommateur.Par conséquent, le succès d'une stratégie de collecte des produits en fin de vie dépend de la capacité à comprendre les facteurs qui influencent le comportement des consommateurs afin d'anticiper le taux de collecte de ces produits en fin de vie dans des lieux spécifiques.Cependant, il n'existe pas d'outil ou de méthodologie établis pour évaluer l'impact des décisions des consommateurs sur les flux de matériaux de la logistique inverse.Par conséquent, cette thèse propose un outil de simulation à base d'agents pour analyser la performance d'un réseau de logistique inverse en tenant compte de d'une part de la localisation des points de collecte, mais aussi des caractéristiques sociodémographiques, des attitudes envers l'environnement ainsi que des profils de consommation de la population.Plus spécifiquement, cette thèse présente la configuration, la calibration et la validation du modèle développé à une étude de cas du programme de collecte volontaire de bouteilles de vin dans la région du Val-Saint-François au Québec.Comme ce programme de collecte a été officiellement lancé en 2019, deux échantillons empiriques ont été obtenus pour tester la validité du modèle et étudier comment les interactions sociales, telles que le bouche-à-oreille, contribuent au succès du programme de collecte.Le premier échantillon représente la quantité de verre collectée au cours des 26 dernières semaines de 2019, tandis que le second couvre les 13 premières semaines de 2020.Ayant observé une augmentation des taux de collecte entre 2019 et 2020, le bouche-à-oreille a été introduit dans le modèle pour expliquer ce phénomène.Les expériences démontrent que le modèle est effectivement valide avec l'inclusion de la diffusion de la sensibilisation au programme, car les résultats des simulations sont statistiquement cohérents avec les données empiriques.Les expériences mettent également en évidence la capacité de l'outil à fournir des informations utiles pour supporter la conception de stratégies de collecte qui maximisent les taux de retour et minimisent les coûts d'installation et d'exploitation en optimisant le nombre et l'emplacement de points de collecte dans le réseau de logistique inverse.v
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».