論文の概要: Modeling the Material-Inventory Transportation Problem Using Multi-Objective Optimization

• arxiv url: http://arxiv.org/abs/2206.02350v1
• Date: Mon, 6 Jun 2022 04:39:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 17:29:22.538222
• Title: Modeling the Material-Inventory Transportation Problem Using Multi-Objective Optimization
• Title（参考訳）: 多目的最適化による物質輸送問題のモデル化
• Authors: Issarapong Khuankrue, Sudchai Boonto and Yasuhiro Tsujimura
• Abstract要約: 本研究は,輸送による材料在庫調整に関するモデルを提案する。 このモデルの目的は、生産コストと総輸送コストを最小化することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the era of industry 4.0, procurement in supply chain management is the key to developing information management systems. It directly affects production planning failure. In this case, it is the process to prepare and confirming the material inventory is in the ordinal stages and be able to produce the products in any production line. In terms of industrial informatics, it can provide information management approaches for leveraging data sharing between factories. The multiobjective optimization will be enabled by integrating material inventory, production planning and monitoring, and transportation planning collaboration. The material-inventory transportation problem is the virtual factory situation when production plan failure occurs. It becomes the cost to transport material between each factory and the distribution to clients. In this study, the question of the material-inventory transportation problem is: How can we transport other materials from one factory into another factory? This study proposed a model to find out about the adjustment of material inventory through transportation. The objective of this model is to minimize the whole production cost and total transportation cost.
• Abstract（参考訳）: 産業4.0の時代には、サプライチェーン管理の調達が情報管理システムの発展の鍵となる。 生産計画の失敗に直接影響する。 この場合、材料在庫が通常段階にあり、生産ラインで製品を製造することができるのは、準備と確認のプロセスである。 産業情報学の分野では、工場間でのデータ共有を活用するための情報管理アプローチを提供することができる。 多目的最適化は、材料インベントリ、生産計画とモニタリング、輸送計画コラボレーションの統合によって実現される。 物質-発明輸送問題は、生産計画が失敗した場合の仮想工場の状況である。 それぞれの工場間で材料を輸送し、顧客へ配布するコストがかかる。 本研究では, ある工場から別の工場へ, どうすれば他の資材を輸送できるのかという課題について考察する。 本研究では,輸送による材料在庫の調整に関するモデルを提案した。 このモデルの目的は、生産コストと総輸送コストを最小化することである。

関連論文リスト

• What if? Causal Machine Learning in Supply Chain Risk Management [47.56698850802985]
  本稿では,サプライチェーンのリスク介入モデル開発における因果機械学習の利用を提案し,評価する。 我々の研究は、因果機械学習が、異なるサプライチェーンの介入の下で達成できる変化を特定することにより、意思決定プロセスを強化することを強調した。
  論文  参考訳（メタデータ） (2024-08-24T11:30:25Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
  生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。 この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。 これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。 本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
  論文  参考訳（メタデータ） (2023-11-28T15:09:36Z)
• A Modular Test Bed for Reinforcement Learning Incorporation into Industrial Applications [1.5136939451642133]
  本稿では、あらかじめ定義されたルールに従って、モデルファクトリを通じて商品を輸送・組み立てする作業を行うユースケースを提案する。 目的は、商品を組立ステーションに搬送し、各製品に2つのリベットを設置し、上部を下部に接続することである。 本研究は, この課題に対処し, 生産プロセスの効率化を図るため, 強化学習技術の応用に焦点を当てた。
  論文  参考訳（メタデータ） (2023-06-02T11:00:46Z)
• BioTrak: A Blockchain-based Platform for Food Chain Logistics Traceability [0.0]
  BioTrakは、トランスフォーメーションとトランスポートプロセスの全チェーンを登録し、視覚化できるプラットフォームである。 このプラットフォームには、食品サプライチェーンのステークホルダーがプロセスの最適化を支援するBusiness Process Modellingメソッドが含まれている。
  論文  参考訳（メタデータ） (2023-04-19T12:16:50Z)
• A Generative Approach for Production-Aware Industrial Network Traffic Modeling [70.46446906513677]
  ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。 可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
  論文  参考訳（メタデータ） (2022-11-11T09:46:58Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• Concepts and Algorithms for Agent-based Decentralized and Integrated Scheduling of Production and Auxiliary Processes [78.120734120667]
  本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。 要求の一部は、線形にスケールする通信アーキテクチャを開発することである。 このアプローチは、工業的要件に基づいた例を使って説明されます。
  論文  参考訳（メタデータ） (2022-05-06T18:44:29Z)
• From Limited Annotated Raw Material Data to Quality Production Data: A Case Study in the Milk Industry (Technical Report) [12.160299682018636]
  本稿では,学習能力を高めるために能動的学習を用いた設計手法を提案し,原料学習データの制約量を用いて生産結果のモデルを構築する。 提案手法は, 乳工場から牛乳を回収し, 乳製品製造工場に持ち込み, コテージチーズに加工する乳産業において, 実際の適用例を用いて実証された。
  論文  参考訳（メタデータ） (2022-04-26T13:31:37Z)
• The Factory Must Grow: Automation in Factorio [3.877356414450363]
  本稿では,ロジスティックトランスポートベルト問題を定義し,その整数プログラミングモデルを定義する。 我々は,この問題を最適化するための3つのメタヒューリスティック手法であるシミュレート・アニーリング,クイック・ジェネティック・プログラミング,進化的強化学習の結果を提示する。
  論文  参考訳（メタデータ） (2021-02-09T15:14:27Z)

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。