Notice bibliographique
Résumé
The electric vehicle producer saw deliveries fall below target as a result of 'short-term production challenges'. Tesla Motors Inc. reported Q4 2016 deliveries of 22,200 vehicles, meaning it missed its H2 target of 50,000 vehicles by 3,300 vehicles. The Q4 figure marks a 9% drop on Q3, when the automaker delivered 24,500 vehicles. Tesla CEO Elon Musk. (Source: JD Lasica) In a statement, the company said short-term production meant Q4 vehicle production was weighted more heavily towards the end of the quarter than planned. While it recovered enough to hit its production goal, the delay in production in challenges that impacted quarterly deliveries, including, among other things, cars missing shipping cutoffs for Europe and Asia, Tesla noted. In total this resulted in 2,750 vehicles missing delivery during the quarter. Tesla produced 24,882 vehicles during the quarter, bringing total 2016 production to 83,922 vehicles, a 64% increase on 2015. Tesla has garnered a lot of publicity recently, bringing production online at its Reno, Nevada, US battery gigafactory in January. China continues to lead the market for EVs in terms of both supply and demand, however. It recently confirmed its 2017 EV subsidy programme, prompting speculation that lithium prices may rise again. At the Advanced Automotive Battery Conference in Mainz, Germany in February, participants heard over 600,000 EVs were sold globally in January to November 2016.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,413 | 0,206 |
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 ».