論文の概要: IoT-based Fresh Produce Supply Chain Under Uncertainty: An Adaptive Optimization Framework

• arxiv url: http://arxiv.org/abs/2511.05920v1
• Date: Sat, 08 Nov 2025 08:31:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.652768
• Title: IoT-based Fresh Produce Supply Chain Under Uncertainty: An Adaptive Optimization Framework
• Title（参考訳）: IoTベースのフレッシュプロデューサチェーンの不確実性下でのサプライチェーン - 適応最適化フレームワーク
• Authors: Chirag Seth, Mehrdad Pirnia, James H Bookbinder,
• Abstract要約: 本稿では,遅延,走行時間,関連する温度変化を考慮した適応最適化モデルを提案する。 本研究は,提案モデルが従来の最適化モデルと比較して18%以上長寿命化を実現していることを示す。
• 参考スコア（独自算出の注目度）: 0.688204255655161
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Fruits and vegetables form a vital component of the global economy; however, their distribution poses complex logistical challenges due to high perishability, supply fluctuations, strict quality and safety standards, and environmental sensitivity. In this paper, we propose an adaptive optimization model that accounts for delays, travel time, and associated temperature changes impacting produce shelf life, and compare it against traditional approaches such as Robust Optimization, Distributionally Robust Optimization, and Stochastic Programming. Additionally, we conduct a series of computational experiments using Internet of Things (IoT) sensor data to evaluate the performance of our proposed model. Our study demonstrates that the proposed adaptive model achieves a higher shelf life, extending it by over 18\% compared to traditional optimization models, by dynamically mitigating temperature deviations through a temperature feedback mechanism. The promising results demonstrate the potential of this approach to improve both the freshness and efficiency of logistics systems an aspect often neglected in previous works.
• Abstract（参考訳）: 果実や野菜は世界経済の重要な要素であるが、その分布は、高い通気性、供給変動、厳格な品質と安全基準、環境に敏感なため、複雑な論理的課題を生んでいる。 本稿では,遅延,旅行時間,関連する温度変化を考慮した適応最適化モデルを提案し,ロバスト最適化,分散ロバスト最適化,確率計画といった従来の手法と比較する。 さらに,モノのインターネット(IoT)センサデータを用いた一連の計算実験を行い,提案モデルの性能評価を行った。 本研究は, 温度フィードバック機構を用いて温度差を動的に緩和することにより, 従来の最適化モデルに比べて18%以上長寿命化を実現していることを示す。 将来的な結果は、従来の研究でしばしば無視される、ロジスティクスシステムの鮮度と効率性の両方を改善するためのこのアプローチの可能性を示している。

関連論文リスト

• TCPO: Thought-Centric Preference Optimization for Effective Embodied Decision-making [75.29820290660065]
  本稿では,効果的な具体的意思決定のための思考中心推論最適化(TCPO)を提案する。 モデルの中間的推論プロセスの整合性を強調し、モデル劣化の問題を緩和する。 ALFWorld環境での実験では、平均成功率は26.67%であり、RL4VLMよりも6%向上している。
  論文  参考訳（メタデータ） (2025-09-10T11:16:21Z)
• Divergence Minimization Preference Optimization for Diffusion Model Alignment [66.31417479052774]
  Divergence Minimization Preference Optimization (DMPO) は、逆KL分散を最小化して拡散モデルを整列する原理的手法である。 DMPOは、異なるベースモデルとテストセットで既存のテクニックを一貫して上回り、適合させることができる。
  論文  参考訳（メタデータ） (2025-07-10T07:57:30Z)
• EvolvingGrasp: Evolutionary Grasp Generation via Efficient Preference Alignment [42.41408547627677]
  EvolvingGraspは、優先アライメントによる把握性能を継続的に向上する進化的グリップ生成法である。 EvolvingGraspは, シミュレーションと実シナリオの両方において, 進化的把握生成, 堅牢で, 物理的に実現可能で, 嗜好に整合した把握を可能にする。
  論文  参考訳（メタデータ） (2025-03-18T15:01:47Z)
• QGAPHEnsemble : Combining Hybrid QLSTM Network Ensemble via Adaptive Weighting for Short Term Weather Forecasting [0.0]
  本研究は,高度な機械学習技術を用いた実践的有効性を強調した。 本モデルでは,気象予測の精度と信頼性が大幅に向上したことを示す。 本稿では,天気予報タスクの性能向上のために,最適化アンサンブル技術の重要性を強調した。
  論文  参考訳（メタデータ） (2025-01-18T20:18:48Z)
• FADAS: Towards Federated Adaptive Asynchronous Optimization [56.09666452175333]
  フェデレートラーニング(FL)は、プライバシ保護機械学習のトレーニングパラダイムとして広く採用されている。 本稿では、非同期更新を適応的フェデレーション最適化と証明可能な保証に組み込む新しい手法であるFADASについて紹介する。 提案アルゴリズムの収束率を厳格に確立し,FADASが他の非同期FLベースラインよりも優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-25T20:02:57Z)
• Ensemble Modeling for Time Series Forecasting: an Adaptive Robust Optimization Approach [3.7565501074323224]
  本稿では,時系列予測モデルの堅牢なアンサンブルを構築するための新しい手法を提案する。 本手法の有効性を,一連の合成実験と実世界の応用を通して実証する。
  論文  参考訳（メタデータ） (2023-04-09T20:30:10Z)
• Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
  予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。 実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-10-07T02:12:34Z)
• End-to-end deep metamodeling to calibrate and optimize energy loads [0.0]
  本研究では,大規模建物のエネルギー性能と快適性,空気質,衛生性を最適化する新しいエンド・ツー・エンド手法を提案する。 シミュレーションプログラムでサンプル化したデータセットを用いてトランスフォーマーネットワークに基づくメタモデルを導入,訓練する。
  論文  参考訳（メタデータ） (2020-06-19T07:40:11Z)
• Bilevel Optimization for Differentially Private Optimization in Energy Systems [53.806512366696275]
  本稿では,入力に敏感な制約付き最適化問題に対して,差分プライバシーを適用する方法について検討する。 本稿は, 自然仮定の下では, 大規模非線形最適化問題に対して, 双レベルモデルを効率的に解けることを示す。
  論文  参考訳（メタデータ） (2020-01-26T20:15:28Z)

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。