MétaCan
Menu
Retour à la cohorte
Enregistrement W2109486405 · doi:10.13059/racef.v2i1.28

Determinação do momento adequado para substituição de veículos em empresas com frota própria: Estudo de caso no setor público.

2011· article· pt· W2109486405 sur OpenAlexaff
Abdelkader Bourahli, Luis Claudio Santana Montenegro, Itamar Antonio Fernandes

Notice bibliographique

RevueRevista de Administração Contabilidade e Economia da Fundace · 2011
Typearticle
Languept
DomaineDecision Sciences
ThématiqueBusiness and Management Studies
Établissements canadiensMinistère des Transports
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceBusinessPhysics

Résumé

récupéré en direct d'OpenAlex

A prática atual da substituição de veículos pelas organizações é basicamente intuitiva, ocorrendo tão somente quando a manutenção se torna um fator insustentável de custo. Análises com base em critérios econômico-financeiros, que possam orientar estratégias, são notadamente raras. Este trabalho descreve a aplicação de método como apoio na gestão da renovação da frota de veículos, e que seja aplicável às organizações que mantém frotas próprias. A referida aplicabilidade é testada em um estudo de caso no núcleo de transportes da Terracap, empresa pública do Distrito Federal. O estudo de caso foi realizado utilizando dados históricos dos principais componentes de custos dos veículos: manutenção; impostos e seguros; depreciação e custos de capital, avaliando o momento ideal para sua substituição. Os resultados de uma decisão fundamentada de renovação de frota demonstram ganhos financeiros impressionantes, além de ganhos mais amplos de qualidade, como produtividade, disponibilidade, conforto na utilização e liquidez na comercialização. A pouca aplicação de metodologia encontra explicação na falta de conhecimento dos gestores, mas se revela, pela simplicidade, estar dentro da realidade das empresas com frota própria.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,634
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0040,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,132
Tête enseignante GPT0,348
Écart entre enseignants0,216 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de Administração Contabilidade e Economia da FundaceMême sujetBusiness and Management StudiesTravaux en français237 207