Technical-economic cost modeling as a technology management tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to show how technical-economical cost modeling can help in steering research and development to target key production cost elements of new products based on emerging technologies. Design/methodology/approach – The authors demonstrate the development and use of a technical-economic cost model (TCM) of the proton exchange membrane (PEM) in fuel cells to steer research to produce more economical and reliable products. A TCM is developed to depict how the production cost per unit varies depending on the different fabrication methods, production rate limitations, material selection, labor distribution, energy consumption, financial parameters and the target production volume. By using such an approach in the design, research time and resources can be saved by prioritizing R&D and production scale-up options at an early stage. Findings – The results of this study show the importance of applying technical-economic cost model (TCM) techniques on early stage research projects to steer the development for resolving key problematic figures. As a case study, a cost analysis platform has been established to apply this technique by analyzing different manufacturing and R&D options for producing durable PEM fuel cells. The projected manufacturing cost of the PEM is found to be lower than previously estimated and the enhanced durability does not significantly impact this production cost. Originality/value – Production is an important factor in informing NPD targets and R&D direction. And yet it is difficult to estimate scaled up production cost for prototype products and components in the R&D lab. Technical-economic cost models (TCM) are a tool to assist decision-making in technology portfolio management and NPD.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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