Un cadre formel de décision pour la planification multi-niveau des systèmes de production réticulaires
Bibliographic record
Abstract
La globalisation des marches et les evolutions des technologies de communication et d'information ont fait emerger des organisations de production reticulaires (reseaux d'entreprises). Basees sur des relations etroites de partenariat, celles-ci necessitent de gerer la chaine logistique et d'etendre les outils de Gestion de Production traditionnelle a l'echelle du reseau d'entreprises. La planification de la production, fonction cle, demeurant mal resolue, ce memoire propose un modele formel de donnees cadrant la decision experte en planification/ordonnancement multi-site de la production. Nos developpements sont bases sur le concept de conduite generalisee qui traite conjointement et recursivement l'allocation des tâches au fur et a mesure de la desagregation des plans et des donnees techniques afferentes (gammes et ressources). Dans cette approche, chaque ressource est pilotee par un centre de conduite generique implique dans des relations de partenariat et/ou de supervision, instanciable a tout niveau de la structure de conduite. Pour tout centre de conduite, on initialise la fonction planification par la donnee d'un carnet de commande. Le processus decisionnel d'un centre se decompose alors en deux phases : dans un premier temps, un calcul besoin/charge permettant d'evaluer quantitativement, qualitativement et semantiquement la charge de travail du centre de conduite, dans un second temps, une allocation charge/ressources internes et/ou externes, integrant les contraintes d'approvisionnement logistique. Un ensemble de regles permet d'attester, d'une part, de la coherence du scenario d'allocation propose et, d'autre part, de la coherence de la desagregation et de la repartition des donnees entre centres de conduite impliques dans des relations hierarchiques et/ou de cooperation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".