MétaCan
Menu
Retour à la cohorte
Enregistrement W2005640193 · doi:10.1177/1063293x0000800303

Modeling Concurrent Product Design: A Multifunctional Team Approach

2000· article· en· W2005640193 sur OpenAlexaff
Li Chen, Simon Li

Notice bibliographique

RevueConcurrent Engineering · 2000
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésConcurrent engineeringProduct designNew product developmentComputer scienceFuzzy logicFuzzy setTeam effectivenessProcess managementKnowledge managementProduct (mathematics)EngineeringMathematicsArtificial intelligenceOperations managementScheduling (production processes)

Résumé

récupéré en direct d'OpenAlex

A satisfaction-driven, multifunctional team approach is presented with application to concurrent product design. This team ap proach is based on optimization formalism in which different teams are responsible to perform their specified functions by controlling the individual sets of design variables. The functions of each team should characterize different aspects of product design in the collabora tive product development. In particular, the preference of each team against a design alternative is formalized using fuzzy set theory to seek the most favorite design that best fulfills the team goal. Two fuzzy set operators—"min" and "geometric mean"—are extended to ag gregate team's satisfaction metrics to describe the non-compensative and compensative relationships between teams. Team aggrega tion is based on the strategic team paradigms derived from game theory and the concept of responsibility and controllability. As a result, five design models are explored to reveal typical team interactions in design computing and then illustrated through the study of a de sign example.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,039
Tête enseignante GPT0,272
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcurrent EngineeringMême sujetTeam Dynamics and PerformanceTravaux en français237 207