MétaCan
Menu
Retour à la cohorte
Enregistrement W2096613632 · doi:10.5539/emr.v4n2p80

Modeling Equipment Procurement Strategic Decisions Competing for Limited Available Budget under Redundant Accessory Cost

2015· article· en· W2096613632 sur OpenAlexvenueno aff
C.O. Osueke, B. O. Akinnuli, Oluwaseun Ojo

Notice bibliographique

RevueEngineering Management Research · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpare partProcurementOperations researchOperations managementControl (management)Computer scienceOrder (exchange)BusinessEngineeringFinanceMarketing

Résumé

récupéré en direct d'OpenAlex

The challenges that used to come up as a result of project failure have to do with improper planning. This is looking into future what can occur based on present event. In financing equipment or machinery, the capital in hand is a critical factor that determines equipment procurement strategies. There is need for an optimum model to control the available budget to be put in place in order to optimally allot the available budget to the machines, spare parts and miscellaneous costs under the redundant of accessory cost. This study identified the financial strategic decisions for machines, spare parts and miscellaneous costs, developed mathematical models for the identified strategic decisions, test and evaluate the performance of the developed models. In this study, three strategic decisions were considered (i.e., machines, spare parts and miscellaneous costs) and the optimum model to control the budget for machines, spare parts and miscellaneous costs are dealt with under the redundant accessory cost. This is because an existing manufacturing company or industry has high inventory of accessories which always aid the performance of machine in the industry. Therefore, it is necessary to optimally allot the available budget on the machine(s) to be procured, spare part to be stocked and miscellaneous cost. The amount allotted to machines, spare parts and miscellaneous while budgeting for year 2015 are in this ratio: Machines, ($5,263.83); Spare parts, ($27,723.09); Miscellaneous, ($4,366.03), this based on available small budget of N 6,350.000 of dollar value of US$1,079,500.00. This model is a strong decision tool for allocating available budget in the period of financial scarcity where equipment procurement for production needs must be carried out. This model is highly recommended to any manufacturing company, small, medium and large scale that equipment procurement affects their production in developed and developing countries.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,264
Tête enseignante GPT0,353
Écart entre enseignants0,089 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Management ResearchMême sujetManagement and Optimization TechniquesTravaux en français237 207