MétaCan
Menu
Retour à la cohorte
Enregistrement W2128593781 · doi:10.5267/j.msl.2015.1.007

Validation of enterprise architecture through colored Petri nets

2015· article· en· W2128593781 sur OpenAlexvenueno aff
Somayeh Toghyani, Ali Harounabadi

Notice bibliographique

RevueManagement Science Letters · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueService-Oriented Architecture and Web Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceColoredProcess architectureArchitecturePetri netProcess managementProgramming languageBusinessSociologyHistory

Résumé

récupéré en direct d'OpenAlex

Enterprise architecture procedure contains some instructions for conversion of enterprise architecture from the current state to the desirable state.This procedure generally contains 3 phases each of which is the basis and prerequisite of the next phase.These phases are: Strategic information technology planning, enterprise architecture planning and enterprise architecture execution.As each phase is a prerequisite of the next one, any fault in each phase causes bigger faults in final results.Therefore, each phase should be double checked to make sure no fault has occurred.The second phase can greatly influence the final results.Therefore the preparation of an executable enterprise architecture model and checking it with functional and non-functional requirements can prevent many faults and lead to execution of a perfect model of the enterprise.The primary objective of this research is to check the accuracy of EA behavior in achieving an appropriate architecture.In this research, official models have been used to propose a solution to transform the products of C4ISR framework to executable Petri nets.Finally, a method is proposed to check the accuracy of the mentioned model.The proposed solution makes the EA semi-automatically check the correctness of the enterprise architecture behavior and increase its accuracy.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,239
Écart entre enseignants0,226 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetService-Oriented Architecture and Web ServicesTravaux en français237 207