Proceeding 6th International Conference on Operations and Supply Chain Management (AN INTEGRATED MODELING OF HUMAN, MACHINE, AND ENVIRONMENTAL ASPECTS IN SUPPLY CHAIN PLANNING AND OPERATIONS USING FUZZY LOGIC \n )
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.
Notice bibliographique
Résumé
Supply chain planning and operations is deeply dependent on human endeavor. The performance of a supply chain is determined by the human that is involved in the process of planning and operation. Supply chain planning involves activities such as demand forecasting, developing various plans that includes production plan, procurement plan, and distribution plan. Supply chain operations are essentially executing such supply chain processes such as procurement, production, transportation, and warehousing. In all of the above processes, the roles of human are critical, although the specific roles played from one process to another are different. Human performance problems identified in real operational events often involve operators performing actions that are not required for accident response. Analyses of the major failure/accidents during recent decades have concluded that human errors on part of operators, designers or managers have played a major role. On the other hand, the effectiveness of human in planning as well as operations of a supply chain is affected by two other factors, namely the tools used and the working environment. In this paper we present a simulation modeling that establish a linkage between human, tools, and working environments in supply chain planning and operations to reduce or eliminate human error. The analysis of these relations is complex, involving vagueness and uncertainty data. Fuzzy Logics (FL) provides a mathematical framework for the systematic treatment of vagueness and imprecision data. This paper presents a simulation modeling using fuzzy logics in reducing human error.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle