MétaCan
Menu
Retour à la cohorte
Enregistrement W7115715308 · doi:10.5267/j.dsl.2025.10.008

An advanced optimization framework for cross-docking site selection in global supply chains using an enhanced k-means clustering algorithm integrated with geographic information systems

2025· article· en· W7115715308 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.

venuePublié dans une revue dont le pays d'attache est le Canada.
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

RevueDecision Science Letters · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensnon disponible
Organismes subventionnairesKhon Kaen University
Mots-clésTransshipment (information security)Cluster analysisSupply chainIdentification (biology)Selection (genetic algorithm)Geographic information systemFacility location problemLogistics center

Résumé

récupéré en direct d'OpenAlex

This study introduces a novel mathematical framework for the optimal placement of cross-docking facilities within international logistics networks. The model employs an extended K-means clustering algorithm integrated with Geographic Information Systems (GIS) to enhance spatial decision-making. A comprehensive review of the existing literature highlights that transportation and warehousing costs represent the most substantial components of overall logistics expenditures. In international land transportation, direct point-to-point delivery is often impractical, thereby necessitating intermediate transshipment through cross-docking facilities. Inefficient selection of these intermediary nodes can result in elevated storage and transportation expenses. Accurate identification of optimal cross-docking locations, therefore, has significant potential to reduce both transport distances and associated costs in global logistics operations. To examine this premise, two comparative scenarios were developed. The first assumes that cross-docking operations are conducted at national borders prior to international shipment, while the second applies the proposed extended K-means clustering algorithm integrated with GIS to determine optimal cross-docking points beyond the border within the broader international supply chain network. Both scenarios were subjected to numerical simulations and analytical assessments to evaluate their relative performance in minimizing transportation distances. The results reveal that the GIS-supported extended K-means approach produces substantially shorter international transport routes compared with the border-based cross-docking strategy. These findings emphasize the strategic importance of accurately locating cross-docking facilities in international logistics planning. By optimizing cross-docking placement, logistics managers can enhance transportation efficiency, reduce operational costs, and strengthen organizational competitiveness in the increasingly dynamic global marketplace.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,004
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,319
Écart entre enseignants0,309 · 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