СТВОРЕННЯ ЕКСПОРТНО-ОРІЄНТОВАНОЇ МЕРЕЖІ ЕЛЕВАТОРІВ В УКРАЇНІ
Notice bibliographique
Résumé
Purpose. The scientific paper highlights improving the efficiency of export rail transportation of grain cargoes in Ukraine by introducing shipper routing and concentration of loading at the terminal grain elevators. Methodology. According to the experience of the USA and Canada, one of the most effective ways to reduce costs in the grain to-port supply chain is a shipper routing of the rail traffic. Shipper routing for transportation of grain cargoes involves the concentration of their loading on the multiple junctions. The junctions are proposed to be selected with the use of cluster analysis methods. For the formation of the grain loading concentration areas the authors used methods of set theory and multi-criteria optimization. Findings. Based on agglomerative cluster analysis algorithm, the junctions on a network of Ukrainian railways are selected and the areas of possible concentration of grain loading are formed. DSU-algorithm allowed distinguishing the overlapping and non-overlapping areas of concentration. The problem of selecting non-overlapping areas of the grain loading concentration is formalized as the problem of multiobjective integer programming with boolean variables. The solution of this problem by a modified simplex algorithm allows selecting on the railway network of Ukraine 24 districts of possible grain loading concentration, which cover 70 stations and at minimal additional cost provide routing of about 7.5 million tons of grain per year. Originality. The originality of the work lies in the fact that the authors developed the mathematical procedure for selection of junctions and concentration areas of grain loading at the Ukrainian railway network, taking into account the economic efficiency of the process. Practicalvalue. Application of the developed method of grain loading concentration for the formation of unit trains will significantly reduce the logistics costs in the supply chain of grain to Ukrainian ports for export and, consequently, increase its competitiveness in foreign markets.
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 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 | 0,001 | 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 | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».