MétaCan
Menu
Retour à la cohorte
Enregistrement W2891737481 · doi:10.4018/ijcac.2018100106

Quantifying the Resilience of Cloud-Based Manufacturing Composite Services

2018· article· en· W2891737481 sur OpenAlexaff
Mohammad Reza Namjoo, Abbas Keramati, S. Ali Torabi, Fariborz Jolai

Notice bibliographique

RevueInternational Journal of Cloud Applications and Computing · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Composite numberCloud computingMeasure (data warehouse)Computer scienceMonte Carlo methodReliability engineeringService (business)Metric (unit)EngineeringData miningMathematicsBusinessAlgorithmOperations managementStatisticsMaterials science

Résumé

récupéré en direct d'OpenAlex

Composite services are regarded as essential components of a cloud-based manufacturing (CM) system. Different classes of disruptive events which are rooted in the uncertainties of the supply and demand sides of CM threaten the resilience and continuity of the composite services over time. The present article proposes a resilience measure based on a generic system resilience metric along with a two-step method based on MCDM and SIS-Monte-Carlo to quantify the resilience of CM composite services by considering recovery time objective (RTO). To present the applicability of the proposed method, a numerical example was designed and simulated. The results showed that the resilience of composite service is sensitive to geographical distance, RTO, and quality of recovery.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,500
Score d'incertitude au seuil0,276

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,276
Écart entre enseignants0,262 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Cloud Applications and ComputingMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207