TY - GEN A1 - Behrens, Kathrin A1 - Bertelmann, Roland A1 - Boltze, Julia A1 - Ceynowa, Klaus A1 - Christof, Jürgen A1 - Dierkes, Thomas A1 - Goltz-Fellgiebel, Julia Alexandra A1 - Groß, Matthias A1 - Hammerl, Michaela A1 - Haoua, Marsa A1 - Heermann, Petra A1 - Hoffmann, Cornelia A1 - Höhnow, Tobias A1 - Koch, Thorsten A1 - Kuberek, Monika A1 - Pampel, Heinz A1 - Putnings, Markus A1 - Rusch, Beate A1 - Schäffler, Hildegard A1 - Schwidder, Jens A1 - Söllner, Konstanze A1 - Staub, Hedda A1 - Wannick, Eike T1 - DeepGreen - Open Access Transformation: Eine Handreichung für institutionelle Repositorien BT - Version 1.0 N2 - Mit dem DFG-geförderten Projekt DeepGreen soll eine automatisierte, rechtssichere Lösung entwickelt werden, um Artikeldaten von wissenschaftlichen Verlagen abzuholen und anschließend, nach Ablauf etwaiger lizenzrechtlicher Embargofristen, an berechtigte Repositorien zu verteilen und somit in den Open Access zu überführen. Dabei liegt der Fokus auf den DFG-geförderten und überregional verhandelten Allianz-Lizenzen, mit spezieller Open-Access-Komponente. Die vorliegende Handreichung richtet sich speziell an die Betreiber institutioneller Repositorien und stellt Empfehlungen und einen Workflow bereit, um eine erfolgreiche Veröffentlichung, der durch die DeepGreen-Datendrehscheibe zugeordneten Artikel, zu ermöglichen. Die Handreichung basiert auf den bisherigen Erfahrungen der DeepGreen-Projektbeteiligten. T3 - ZIB-Report - 19-31 KW - Open Access KW - Open-Access-Transformation Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:0297-zib-74438 SN - 1438-0064 ER - TY - JOUR A1 - Gamrath, Gerald A1 - Gleixner, Ambros A1 - Koch, Thorsten A1 - Miltenberger, Matthias A1 - Kniasew, Dimitri A1 - Schlögel, Dominik A1 - Martin, Alexander A1 - Weninger, Dieter T1 - Tackling Industrial-Scale Supply Chain Problems by Mixed-Integer Programming JF - Journal of Computational Mathematics N2 - The modeling flexibility and the optimality guarantees provided by mixed-integer programming greatly aid the design of robust and future-proof decision support systems. The complexity of industrial-scale supply chain optimization, however, often poses limits to the application of general mixed-integer programming solvers. In this paper we describe algorithmic innovations that help to ensure that MIP solver performance matches the complexity of the large supply chain problems and tight time limits encountered in practice. Our computational evaluation is based on a diverse set, modeling real-world scenarios supplied by our industry partner SAP. Y1 - 2019 U6 - https://doi.org/10.4208/jcm.1905-m2019-0055 VL - 37 SP - 866 EP - 888 ER -