Harnessing the potential of additive manufacturing technologies: Challenges and opportunities for entrepreneurial strategies
Notice bibliographique
Résumé
Additive manufacturing (AM), a revolutionary production technique that will make many previously inconceivable innovations a reality, is transforming the manufacturing sector. The technologies behind AM have a generic character and possess immense and transformative potential that will be felt across different sectors of the economy. This paper studies how entrepreneurs can access, exploit, and diffuse this new disruptive knowledge, as well as the potential challenges that lie ahead. Further, we examine the magnitude of the knowledge pool created by the Top 10 countries in AM research from 2011 to 2016; specifically, we determine the leading countries, the pattern of organizational and international collaborations, leading disciplines contributing to AM, and the pattern in authors' affiliations. We find that the US is clearly the dominant country, while China witnessed a notable acceleration in AM research between 2014 and 2016; we also show that universities are the predominant actor in codified AM knowledge creation. Using this information, we paint a vivid picture of the technological and market opportunities for entrepreneurs and identify the gaps in the current knowledge production environment; we find that the challenges currently faced by entrepreneurs could be overcome through academic entrepreneurship, collective entrepreneurship, and the actions of an entrepreneurial state. Keywords: Additive manufacturing, Knowledge pool, Entrepreneurship, Innovation systems, Innovation policy, Evolutionary economics
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».