Measuring Performance in Rail Freight Transportation Companies
Notice bibliographique
Résumé
Performance Measurement Systems - PMSs has become relevant for Organizations in the last years taking into consideration the broad approach and the strategic link which the current performance measurement is focused on. Brazilian railroad transportation has poor performance when compared with other similar countries. The rail transportation production has 25% of participation within total transportation matrix. Besides infrastructure aspects, management is the key for the improvement of this performance. A Performance Measurement System - PMS framework using Balanced Scorecard – BSC structure is proposed aiming to allow a more comprehensive and strategic performance measurement in railroad companies. A systematic approach was used for the literature review. Due to the lack in the literature related to the purpose of this paper a long period was considered for the search of references linked to performance measurement for railroads. Aiming to elaborate a PMS framework for railroad companies a case study method was applied in a large Brazilian railroad company. Semi-structured interviews and documental data collection were used in order to get evidences related to the processes, environment, customers and strategic objectives as perspectives needed to elaborate a PMS based on Balanced Scorecard. This case study applied in a large freight railroad company in Brazil allowed to understand typical strategic objectives as well as processes, customer’s requirements and environment related to this kind of business. Balanced Scorecard was suitable to the performance measurement needs of the railroad company operation. It can measure operations performance comprehensively and strategically in an effective way. This study brings up important contribution in terms of PMS literature and it can be used as a reference guide for future researches focused on this field. Also it can be worth for practitioners who desire implement PMS in Organizations, not limited for railroad companies, but also for other kind of operations. This framework proposed is unique taking into consideration that there is no comprehensive PMS for a railroad companies using Balanced Scorecard structure. This same structure can be applied in more field researches seeking better understandings about performance measurement in freight railroad companies. Some research questions in order to solve future issues related to this study are proposed at the end of this paper.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».