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
Notice bibliographique
Résumé
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».