MétaCan
Menu
Retour à la cohorte
Enregistrement W6995510161

Optimization Model for Production-Distribution Planning in the Cosmetic Industry: The Case of Cosmetics Company Canada

2024· dissertation· en· W6995510161 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2024
Typedissertation
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensnon disponible
Organismes subventionnairesColorado School of Mines
Mots-clésSupply chainProduction (economics)Product (mathematics)SortingMatching (statistics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study conducts an in-depth analysis of the short-term variable transportation and warehousing costs at the Horace Plant (HP). The primary goal is to develop cost-saving strategies that enhance operational efficiency while reducing overall costs. The analysis focuses on three main cost components: trucking costs, pallet movement costs, and warehousing costs, which are incurred during shipments between suppliers, warehouses, and production facilities, as well as the movement and storage of raw materials and components in a short horizon. The study employs Linear Programming (LP) techniques, specifically a Multistage Multi-echelon Multiproduct Mixed Integer Linear Programming (MILP) model, to capture the complexity of Cosmetics Company's supply chain network. The model, including multiple products, suppliers, warehouses, production warehouses, and periods, offers a robust framework for optimization, instilling confidence and reassurance about its effectiveness in supply chain management. Results from the model reveal cost-saving opportunities and operational improvements. Sensitivity analysis provides insights into key cost drivers and potential areas for cost reduction. The practical application of this study lies in its ability to offer real-time, actionable insights for daily supply chain operations, which is crucial for handling demand fluctuations and ensuring cost efficiency in the beauty industry. The study enhances visibility into goods flow and potential short-term shortages by providing deeper managerial insights into the optimal routing and storage of pallets. This supports strategic and tactical planning, driving continuous improvement in supply chain performance and instilling a sense of optimism about the future of supply chain management. Ultimately, the study demonstrates the practical benefits of advanced optimization models in complex, dynamic environments, contributing valuable insights to the field of supply chain management.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,932

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,039
Tête enseignante GPT0,304
Écart entre enseignants0,265 · 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