論文の概要: Investigating Cargo Loss in Logistics Systems using Low-Cost Impact Sensors

• arxiv url: http://arxiv.org/abs/2201.00301v2
• Date: Tue, 19 Apr 2022 05:16:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-02 11:51:26.678924
• Title: Investigating Cargo Loss in Logistics Systems using Low-Cost Impact Sensors
• Title（参考訳）: 低コスト衝撃センサを用いた物流システムの貨物損失調査
• Authors: Prasang Gupta, Antoinette Young, Anand Rao
• Abstract要約: 本研究では、スケーラブルで、ユーザフレンドリで、採用が容易で、広範囲の貨物・物流システムで実現可能な、低コストなソリューションアーキテクチャを提案する。 クライアントのために解決した実生活のユースケースからインスピレーションを得て、アーキテクチャとこれを実現する設計決定に関する洞察も提供します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cargo loss/damage is a very common problem faced by almost any business with a supply chain arm, leading to major problems like revenue loss and reputation tarnishing. This problem can be solved by employing an asset and impact tracking solution. This would be more practical and effective for high-cost cargo in comparison to low-cost cargo due to the high costs associated with the sensors and overall solution. In this study, we propose a low-cost solution architecture that is scalable, user-friendly, easy to adopt and is viable for a large range of cargo and logistics systems. Taking inspiration from a real-life use case we solved for a client, we also provide insights into the architecture as well as the design decisions that make this a reality.
• Abstract（参考訳）: 貨物の損失/損害は、サプライチェーンの腕を持つほとんどすべての企業が直面する非常に一般的な問題であり、収入の損失や評判の低下といった大きな問題に繋がる。 この問題は、アセットとインパクトトラッキングソリューションを利用することで解決できる。 これは、センサーと全体解に関連する高コストのため、低コストの貨物と比較して、より実用的で効果的である。 本研究では,スケーラブルでユーザフレンドリで,導入が容易で,広範囲の積荷・物流システムで実現可能な,低コストなソリューションアーキテクチャを提案する。 クライアントのために解決した実生活のユースケースからインスピレーションを得て、アーキテクチャとこれを実現する設計決定に関する洞察も提供します。

関連論文リスト

• SmartPathfinder: Pushing the Limits of Heuristic Solutions for Vehicle Routing Problem with Drones Using Reinforcement Learning [14.395184780210913]
  Vehicle Problem with Drones (VRPD)は、トラックとドローンの両方のルーティングパスを最適化しようとしている。 我々は、VRPDの解決、蒸留、およびコア要素への標準化のために設計された手法を網羅的に検討する。 次に、ソリューションコンポーネントとシームレスに統合された、新しい強化学習フレームワークを開発します。
  論文  参考訳（メタデータ） (2024-04-13T19:10:54Z)
• Fair collaborative vehicle routing: A deep multi-agent reinforcement learning approach [49.00137468773683]
  協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。 従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。 我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-10-26T15:42:29Z)
• Individually Rational Collaborative Vehicle Routing through Give-And-Take Exchanges [4.266376725904727]
  本稿では, 協調車両ルーティング問題(CVRP)に焦点をあて, 個別の合理性のレンズによる新しいマルチエージェント手法を提案する。 Give-and-Takeアプローチにより,競合するロジスティクスエージェント間の協力を促進することにより,旅行距離の削減とシステム全体の運用効率の向上が可能であることを示す。
  論文  参考訳（メタデータ） (2023-08-31T07:18:37Z)
• Adiabatic Quantum Computing for Logistic Transport Optimization [0.0]
  我々は、最終1マイルのロジスティックなシナリオアプリケーションから車両最適化問題に取り組むことを目指している。 本稿では,短期的なビジネスケースシナリオにおけるアプリケーションを考慮した分析と提案の結果について述べる。
  論文  参考訳（メタデータ） (2023-01-18T18:27:41Z)
• A Deep Reinforcement Learning Approach for Constrained Online Logistics Route Assignment [4.367543599338385]
  物流業界にとって、各出荷区画に適切な物流ルートを割り当てる方法が不可欠である。 このオンライン経路割り当て問題は、制約付きオンライン意思決定問題とみなすことができる。 我々はPPO-RAと呼ばれるモデルフリーDRLアプローチを開発し、経路割当(RA)の課題に対処する専用の技術を用いてPPO(Pximal Policy Optimization)を改善した。
  論文  参考訳（メタデータ） (2021-09-08T07:27:39Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
  実生活では、情報取得は患者の医療検査に該当する可能性がある。 本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。 この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
  論文  参考訳（メタデータ） (2020-11-02T08:46:27Z)
• A Three-Stage Algorithm for the Large Scale Dynamic Vehicle Routing Problem with an Industry 4.0 Approach [3.6317403990273402]
  業界 4.0 はモビリティとリアルタイム統合に焦点を当てたコンセプトである。 本研究の目的は,大規模DVRP(LSDVRP)の解決である。
  論文  参考訳（メタデータ） (2020-08-26T10:39:36Z)
• Learning to Track Dynamic Targets in Partially Known Environments [48.49957897251128]
  我々は、アクティブな目標追跡を解決するために、深層強化学習アプローチを用いる。 特に,アクティブ・トラッカー・ターゲティング・ネットワーク(ATTN)を導入し,アクティブ・ターゲティング・ターゲティングの主要なタスクを解決するための統一的なRLポリシーを提案する。
  論文  参考訳（メタデータ） (2020-06-17T22:45:24Z)
• MineReduce: an approach based on data mining for problem size reduction [58.720142291102135]
  本稿では,マイニングパターンを用いて問題サイズの削減を行うMineReduceという手法を提案する。 異種車両ルーティング問題に対するMineReduceの適用について述べる。
  論文  参考訳（メタデータ） (2020-05-15T08:49:50Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。