Articoli più recenti per Gestione della Catena di Fornitura

Uno studio sull'uso delle reti neurali per una migliore ottimizzazione parametrica nelle decisioni.

I modelli digitali migliorano la resilienza e le decisioni durante le interruzioni della catena di approvvigionamento.

Come usare i dati storici può migliorare il processo decisionale in ambienti incerti.

Un nuovo approccio migliora le soluzioni di routing dei veicoli per problemi più grandi usando reti neurali.

Uno sguardo alla decisione online e alle sue applicazioni pratiche.

Utilizzando il deep reinforcement learning per migliorare l'efficienza delle consegne dei camion.

Un nuovo algoritmo a doppia fase migliora l'efficienza della programmazione nelle raffinerie di petrolio greggio.

Uno sguardo ai problemi di percorso più breve robusti in condizioni di rete incerte.

Questo articolo esplora le sfide che si affrontano nell'adottare l'IoT nella catena di approvvigionamento a freddo.

Un nuovo approccio per ottimizzare il routing dei veicoli usando il reinforcement learning.

Questo studio migliora i modelli decisionali per i prezzi competitivi e le posizioni delle strutture.

Esplorare come i DGM possano migliorare l'efficienza della catena di approvvigionamento nel retail.

Esplorare come le metriche di centralità di gruppo rimodellano l'analisi e la comprensione delle reti.

Strategie per ottimizzare il posizionamento dell'inventario per un miglior evasione degli ordini nell'e-commerce.

Un nuovo metodo usa il calcolo quantistico per affrontare le sfide complesse nel percorso delle consegne.

Un approccio nuovo per affrontare i costi variabili nella pianificazione economica delle quantità.

Esaminando i giochi di Stackelberg e le strategie di prezzo nelle catene di approvvigionamento.

Esplorare come il calcolo quantistico affronta le sfide nella logistica e nella gestione della catena di approvvigionamento.

Uno studio su come ottimizzare la pianificazione della produzione attraverso la domanda dei clienti aggiornata e strategie innovative.

Uno sguardo nuovo al problema del routing dei veicoli considerando vincoli di carico complessi.

Strategie per ridurre i costi nei sistemi di consegna delle richieste online.

Scopri le nuove funzionalità di SCIP 9.0 per un'ottimizzazione efficiente.

Analizzando le sfide del sorting dei pacchi usando grafici per una logistica migliore.

Scopri come il cross-docking migliora la logistica e riduce i costi nelle catene di approvvigionamento.

Usare tecniche quantistiche per affrontare il problema del Newsvendor e migliorare le decisioni di inventario.

Collegare le tecniche di clustering con il routing dei veicoli per consegne efficienti.

Un nuovo approccio per migliorare l'apprendimento negli MDP a ricompensa media con orizzonte infinito.

Esplorare un nuovo metodo per ottimizzare variabili semi-continuative in scenari complessi.

Uno sguardo a come MCDFN migliora l'accuratezza delle previsioni di domanda.

Uno sguardo completo sulle dinamiche di fiducia nei sistemi di intelligenza artificiale e nelle loro catene di approvvigionamento.

Esaminando come il tempo influisce sul processo di produzione nell'economia di oggi.

I negozi fisici si adattano alla domanda online con strategie di quick-commerce.

Un nuovo modello migliora l'efficienza nel carico e scarico dei container.

Un metodo per ottimizzare il routing dinamico dei veicoli con vincoli di scarico LIFO e di docking.

Questo studio presenta un nuovo metodo per ottimizzare l'assegnazione dei compiti logistici usando modelli surrogate.

Uno studio su come migliorare la logistica tramite un efficace percorso dei camion e gestione dei conducenti.

Migliorare i processi di evasione degli ordini di semi per rendere l'agricoltura più efficiente.

Un approccio formale per garantire informazioni affidabili lungo le catene di approvvigionamento.

Esplorare metodi per migliorare la sicurezza nelle catene di fornitura blockchain tramite il rilevamento delle anomalie.

Un nuovo approccio migliora la comprensione delle catene di approvvigionamento e prevede le transazioni future.