The stochastic production routing problem with adaptive routing and service level constraints
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
Demand uncertainty poses a challenge to most companies in manufacturing and services as it can lead to significant profit losses if not addressed properly. To deal with this risk, companies may adopt specific service level targets to satisfy at least a certain proportion of their demand while considering operational constraints and minimizing the total cost. In this study we address the stochastic production routing problem (PRP) with adaptive routing and service level constraints. The PRP unifies the production, inventory and routing decisions into an integrated problem aimed at improving coordination across different parts of the system. We consider four different types of service levels, where each type uses a specific metric based on assumptions aligning with the needs of the company. These metrics encompass aspects such as the occurrence of stockouts or allowed ratios of backlogs or backorders to average demand. A two-stage stochastic formulation is proposed for each type of service level. Setup decisions are made in the first stage, and production, inventory, and routing decisions are adapted after demand realization. Considering routing decisions in the second stage increases flexibility while lowering overall costs. However, the resulting optimization problem is more challenging to solve than the case where routing decisions are made in the first stage. To address this issue, we introduce an iterative matheuristic algorithm designed to yield high-quality solutions within a reasonable computation time. The effectiveness of the proposed heuristic algorithm is demonstrated through extensive experiments, highlighting its potential to assist companies in managing demand uncertainty and enhancing operational efficiency.
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 | 0,001 | 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 | 0,000 | 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