MétaCan
Menu
Back to cohort
Record W1619755752

Planification de la capacité logistique d'un réseau d'importation et de distribution

2013· article· fr· W1619755752 on OpenAlex

Why this work is in the frame

A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.

aboutThe title or abstract carries a Canadian signal from the geographic lexicon.
no affNo Canadian affiliation: this work is invisible to an affiliation-only frame.
No Canadian affiliation. An affiliation-only frame, the usual design, would never have seen this work. It is one of the works that make the case for inverting the frame.

Bibliographic record

VenueArchipelago (Université du Québec à Montréal) · 2013
Typearticle
Languagefr
FieldDecision Sciences
TopicOperations Management Techniques
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical scienceHumanitiesPhilosophy
DOInot available

Abstract

fetched live from OpenAlex

Les chaînes logistiques ont évolué très rapidement au cours des dernières années. Ces nouvelles configurations ont créé de nouvelles problématiques pour les entreprises, qui ont dû s'adapter. Elles doivent maintenant se tourner vers des techniques et des outils disponibles sur le marché, et ce, afin de mieux contrôler et piloter leurs chaînes logistiques. Beaucoup d'accent a été mis sur la planification des différentes activités des chaînes logistiques, mais les entreprises doivent aussi être en mesure d'en évaluer les impacts sur leurs ressources. La complexité du processus de planification met en évidence le besoin de fournir une aide aux décideurs des chaînes logistiques dans le commerce au détail. Ces entreprises ont un ensemble de ressources qu'elles possèdent ou louent (entrepôts, transporteurs, etc.) afin de supporter leur chaîne logistique. Dans ces systèmes, plusieurs éléments peuvent être contrôlés, mais bien d'autres ne sont pas prévisibles. Les entreprises peuvent négocier des contrats avec des transporteurs pour s'assurer d'un certain niveau de service (capacité de transport) durant une période, mais il est très difficile de prévoir exactement de quelle capacité elles auront besoin. Nous proposons donc, dans ce mémoire, une approche afin de planifier la capacité logistique d'un réseau. Notre approche consiste à fournir aux entreprises un outil d'aide à la décision sous la forme d'un tableau de bord afin de simuler les activités d'une chaîne logistique, et ainsi voir leurs impacts sur les besoins en capacité logistique du réseau. Nous nous intéressons particulièrement aux entreprises du commerce au détail qui possèdent des réseaux d'entrepôts et qui s'approvisionnent partout dans le monde. Ces chaînes logistiques sont de plus en plus complexes à gérer. Les entreprises offrent de plus en plus de produits aux consommateurs, ce qui rend la gestion des achats et des entrepôts beaucoup plus complexe. Les fournisseurs sont maintenant plus éloignés, ce qui provoque encore plus d'incertitude dans les délais de transport. Nous avons entrepris une étude de cas dans une entreprise canadienne pour tester notre approche dans le but de l'aider à planifier la capacité logistique de son réseau.
\n______________________________________________________________________________

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.

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.513
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0010.002
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.001

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.

Opus teacher head0.014
GPT teacher head0.256
Teacher spread0.242 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it