MétaCan
Menu
Retour à la cohorte
Enregistrement W2907890578 · doi:10.18026/cbayarsos.505987

APPLICATION OF COMMERCIAL AIRCRAFT SELECTION IN AVIATION INDUSTRY THROUGH MULTI-CRITERIA DECISION MAKING METHODS

2018· article· en· W2907890578 sur OpenAlexaff
Kasım KİRACI, Mahmut Bakır

Notice bibliographique

RevueCelal Bayar Üniversitesi Sosyal Bilimler Dergisi · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensBoeing (Canada)
Organismes subventionnairesnon disponible
Mots-clésAviationRanking (information retrieval)Context (archaeology)Analytic hierarchy processSelection (genetic algorithm)Operations researchAeronauticsComputer scienceAircraft industryCommercial aviationAerospaceOperations managementEngineeringArtificial intelligenceAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to determine the most suitable aircraft type by ranking the most demanded aircrafts by airline companies according to several criteria. In this context, the most ordered aircraft types in 2016; A320, A321, B737-800 and B737-900ER were analyzed based on their cost, performance and environmental factors. AHP, COPRAS and MOORA methods were used in the study. The findings of the study show that the results of multi-criteria decision making methods are consistent with each other and that the most appropriate type of aircraft is Boeing 737-800

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,665
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,135
Tête enseignante GPT0,484
Écart entre enseignants0,348 · 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.

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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCelal Bayar Üniversitesi Sosyal Bilimler DergisiMême sujetMulti-Criteria Decision MakingTravaux en français237 207