MétaCan
Menu
Retour à la cohorte
Enregistrement W2054321430 · doi:10.1504/ijeme.2011.045432

An innovative application of activity-based costing and management in decision support modelling

2011· article· en· W2054321430 sur OpenAlexaff
Amir H. Khataie, Akif Asil Bulgak, Juan J. Segovia

Notice bibliographique

RevueInternational Journal of Engineering Management and Economics · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting and Organizational Management
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésActivity-based costingComputer scienceDecision support systemProcess (computing)Cost driverCost accountingProduction (economics)Service (business)Risk analysis (engineering)Process costingOperations researchCost estimateControl (management)Process managementTarget costingSystems engineeringEngineeringBusinessData miningArtificial intelligenceMarketing

Résumé

récupéré en direct d'OpenAlex

The purpose of this article is to introduce a new cost management and decision support model. The current cost monitoring models act as real–time cost calculators rather than as decision support tools. The model presented in this study can monitor and analyse the costs in real–time. This will allow for timely and effective marketing and operations decision–making, e.g., selling price, marketing strategy, cost control, etc. Several studies have proven the capability of activity–based costing and management (ABC/M) in generating detailed and valuable cost information in production or service providing processes. The integration of ABC/M into the model expands its cost assignment and process views. System dynamics (SD) is used as the modelling tool due to its main characteristic, i.e., the integration of qualitative factors and learning loops. As such, the model presented in this paper benefits from SD's main characteristic as well as ABC/M's cross–functional cost structure.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,014
Tête enseignante GPT0,205
Écart entre enseignants0,191 · 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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Engineering Management and EconomicsMême sujetAccounting and Organizational ManagementTravaux en français237 207