MétaCan
Menu
Retour à la cohorte
Enregistrement W2584304697 · doi:10.4067/s0718-33052017000100180

Modelo de aproximación lineal para la medición de resiliencia en cadenas de suministro

2017· article· es· W2584304697 sur OpenAlexaff
Daniel Romero-Rodríguez, Weimar Ardila Rueda, Ernesto Cantillo Guerrero, Alvaro Sierra Altamiranda, Fabián Sánchez Sánchez

Notice bibliographique

RevueIngeniare. Revista chilena de ingeniería · 2017
Typearticle
Languees
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensCegep de Sept Iles
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

RESUMENLa identificación del nivel de resiliencia de un sistema es fundamental para la toma de decisiones en la prevención y planeación de estrategias de recuperación ante fallas que lo puedan afectar.Este artículo busca diseñar una métrica de aproximación lineal para la medición de resiliencia en cadenas de suministro ante eventos disruptivos inesperados.Las métricas tradicionales de resiliencia simplifican el comportamiento de un sistema después de la ocurrencia de una falla, dificultando que las mediciones se puedan realizar en escenarios de fallas de mayor complejidad.Una métrica general de resiliencia es desarrollada y validada en un caso simulado de una cadena de suministro de dos eslabones con interrupciones en el proceso de transporte.Los resultados confirman que las métricas de resiliencia tradicionales sobreestiman los niveles de resiliencia del sistema, debido a la inhabilidad de modelar diferentes escenarios de eventos disruptivos.Los resultados del caso simulado sugieren que la nueva métrica mejora la estimación de resiliencia en comparación con las métricas lineales previas y, adicionalmente provee la flexibilidad necesaria para ser utilizada en otros tipos de sistema diferentes a cadenas de suministro.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,028
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,015
Tête enseignante GPT0,294
Écart entre enseignants0,279 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIngeniare. Revista chilena de ingenieríaMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207