MétaCan
Menu
Retour à la cohorte
Enregistrement W2409831664 · doi:10.19255/187

Is 3D Printing Transforming the Project Management Function in the Aerospace Industry

2016· article· en· W2409831664 sur OpenAlexaff
Darli Rodrigues Vieira, Mario Alejandro Romero-Torres

Notice bibliographique

RevueJournal of Modern Project Management · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensUniversité du Québec à MontréalUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésAerospaceManufacturing engineeringProject management3D printingProcess managementFunction (biology)Adaptation (eye)Production (economics)Advanced manufacturingProduction engineeringSystems engineeringManufacturing execution systemSupply chain managementSupply chainComputer-integrated manufacturingEngineeringEngineering managementComputer scienceBusinessMarketingMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Traditional manufacturing techniques fade into the background, while manufacturing systems require using additive technologies for rapid adaptation to current demand and reduction of production cycle duration. Many large mechanical and aircraft engineering companies have already adopted additive manufacturing technologies in their future production strategy. The general concept of 3D printers on the basis of e-manufacturing principles is aimed at the integration of computer models of physical objects and processes. This change requires a big transformation of the enterprise business model, affecting either core or support activities. For instance, additive manufacturing could also change project management practices. This paper aims to identify how additive manifacturing could transform the project management function for the aerospace industry. Results show that projects could improve their performance by integrating additive manufacturing; however, project managers could adapt their approach to a new paradigm for lifecycle management and for leaner supply chain management in aerospace industry.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,020
Tête enseignante GPT0,241
Écart entre enseignants0,221 · 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'étudeQualitatif
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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Modern Project ManagementMême sujetManufacturing Process and OptimizationTravaux en français237 207