Integrated Forest Biorefinery Network Design Under Uncertainty
Notice bibliographique
Résumé
The Canadian Pulp and Pulp (P&P) industry has been recently confronted by shrinking markets and tighter profit margins. Transforming P&P mills into Integrated Forest Biorefineries (IFBR) is a prominent solution to save the struggling industry and allow diversification towards the promising bioproducts markets. The implementation of such a strategy is a complex process that faces many sources of uncertainty. Therefore, the industry is in need for a planning tool that facilitates the IFBR network design by taking the uncertain market conditions into consideration. \nFirst, we propose a mixed integer programming model to optimize the investment plan in addition to other tactical decisions over a long term planning horizon. We test the model using a realistic case study for Canadian P&P companies, where we perform a set of sensitivity analysis tests in terms of bioproduct demand and energy prices. Our results showcase the potential of the IFBR to help the P&P industry and highlight the substantial impact of the bioproduct demand on its profitability. \nSecond, we develop a Multi-stage Stochastic Programming model which explicitly incorporates the demand uncertainty. We also develop a simulation platform to validate the model and compare its performance with alternative decision models. We assess the value of incorporating demand uncertainty in the planning process and we also elaborate on the value of flexibility in terms of adjusting the investment plan in response to changes in market trends. Our results demonstrate the significant value of explicitly incorporating the uncertainty in IFBR network design as well as flexibility in the investment plan.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».