Analyse du réseau de logistique inverse basée sur les données massives
Bibliographic record
Abstract
L’apparition des techniques d’analyse des données a permis d’explorer de nouvelles connaissances cachées dans le domaine des chaines d’approvisionnement, entre autres celle de la logistique inverse. La valorisation des données est primordiale pour décideurs et permet d’agir d’une façon optimale dans le but de réaliser l’intérêt public. L’économie circulaire représente une alternative révolutionnaire qui gagne de plus en plus davantage en comparaison au traitement linéaire des déchets. Parmi les métriques d’une économie circulaire, on note un niveau de recyclage très élevé, ce qui n’est pas le cas dans la province du Québec (Canada) où le niveau est insatisfaisant. Parmi les raisons pour lesquelles ce problème existe, on souligne la faible performance opérationnelle du réseau de traitement des déchets et plus spécifiquement les recycleurs. \n \nDans ce mémoire, on cherche à résoudre la problématique à laquelle le réseau de logistique inverse du traitement des déchets au Québec fait face. Ceci est réalisé en se servant des techniques d’analyse des données pour combler les vides existants dans les données relatives au réseau. Les déchets en plastique sont choisis comme cas d’étude dans ce projet. Un modèle d’estimation basée sur l’intelligence artificielle est ainsi développé pour déterminer les quantités des déchets générés pour l’année prochaine. Puis les résultats obtenus sont injectés dans un modèle d’optimisation linéaire en nombres entiers qui cherche à évaluer les performances économiques, environnementales et opérationnelles du réseau. Le modèle simule une chaine logistique inverse multiproduit et multiéchelon en cherchant à optimiser les décisions d’allocation des flux, de choix de type de produits traités et la configuration des centres de recyclages. \n \nAfin d’améliorer la performance opérationnelle du réseau, deux configurations sont mises en place dans ce projet. La configuration spécialisée qui représente l’état actuel se caractérise par des centres de recyclages qui traitent un ou deux produits au maximum. Dans l’autre côté, la configuration flexible, qui représente l’état souhaité, se distingue par des centres de recyclages qui sont capables de traiter plusieurs types de produits de plastique. Cette flexibilité est accompagnée par une perte de capacité pour les centres. L’impact de cette modification de configuration est étudié dans ce mémoire pour permettre de comparer ces deux configurations et pour dégager des recommandations managériales capables de guider les preneurs de décisions.
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 | 0.007 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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.
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".