Simulation output

Output data from the Anylogic simulation model used for training machine learning models in Ashraf, M., Eltawil, A., & Ali, I. (2024). Disruption detection for a cognitive digital supply chain twin using hybrid deep learning. Operational Research, 24(2), 23. https://doi.org/10.1007/s12351-024-00831-y.

Each file contains relevant replications under a particular scenario. Each file contains the observed daily values for each feature in the form of (timestamp(day), value) pairs.

The features are: MeanInterarrivalTime, MeanSupplierProcessingTime, MeanManufacturerProcessingTime, MeanDisributorProcessingTime, SupplierUtilizationFactor, ManufacturerUtilizationFactor, DistributorUtilizationFactor, MeanSupplierQueueLength, MeanManufacturerQueueLength, MeanDistributorQueueLength, MeanBacklog, MeanWorkInProcess, MeanLeadTime, MeanFlowTime, MeanWaitingTime, MeanProcessingTime, and DailyOutput.

For disrupted scenarios, disruption end time stamp as well as disruption impact start and end timestamps are included for each replication.

本数据集源自Ashraf M、Eltawil A与Ali I（2024）发表于《运筹学》（Operational Research）2024年第24卷第2期第23页的论文《基于混合深度学习的认知数字供应链孪生体中断检测》，为该研究中用于训练机器学习模型的Anylogic仿真模型输出数据，论文DOI链接为https://doi.org/10.1007/s12351-024-00831-y。

每个文件对应某一特定场景下的多组重复仿真实验，文件内以（时间戳（日期），数值）对的形式存储各特征的每日观测值。

所涉及的特征包括：平均到达间隔时间（MeanInterarrivalTime）、供应商平均处理时长（MeanSupplierProcessingTime）、制造商平均处理时长（MeanManufacturerProcessingTime）、分销商平均处理时长（MeanDisributorProcessingTime）、供应商利用率（SupplierUtilizationFactor）、制造商利用率（ManufacturerUtilizationFactor）、分销商利用率（DistributorUtilizationFactor）、供应商平均队列长度（MeanSupplierQueueLength）、制造商平均队列长度（MeanManufacturerQueueLength）、分销商平均队列长度（MeanDistributorQueueLength）、平均待处理积压量（MeanBacklog）、平均在制品量（MeanWorkInProcess）、平均提前期（MeanLeadTime）、平均流转时长（MeanFlowTime）、平均等待时长（MeanWaitingTime）、平均处理时长（MeanProcessingTime）以及每日产出量（DailyOutput）。

针对存在中断的场景，每组重复实验均会记录中断结束时间戳，以及中断影响的起始与结束时间戳。