MétaCan
Menu
Retour à la cohorte
Enregistrement W2954638546 · doi:10.1201/b22439

Operations Excellence Management System (OEMS)

2019· book· en· W2954638546 sur OpenAlexaff
Chitram Lutchman, Kevan Lutchman, Ramakrishna Akula, Charles Lyons, Waddah S. Ghanem Al Hashmi

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensSuncor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésOriginal equipment manufacturerExcellenceOperational excellenceManufacturing engineeringBusinessOperations managementEngineering managementProcess managementEngineeringComputer scienceOperating systemPolitical science

Résumé

récupéré en direct d'OpenAlex

Written for users, this book provides a structured approach with processes for implementing OEMS based on the learnings and experiences from companies who have implemented OEMS. The book leverages the knowledge of experienced OEMS personnel to provide a compelling sense of direction for organizations in the implementation of OEMS. The book includes sample templates and tools where necessary to ensure successful implementation and sustainment. The content of this book provides a testing methodology for implementing an OEMS across any organization while avoiding the pitfalls others have encountered along the way. The book:   Provides a simple and easy process to follow for implementing an OEMS Offers organizations an opportunity to avoid the implementation errors of early adopters and provides them with the ability of learning from the experiences of others Equipped with tools and processes to make implementation and sustainment very effective, thereby avoiding false starts Designed to improve HSE, business reliability, efficiency, effectiveness, and performance on an ongoing basis Presents a simple pathway for helping organizations across all industries including those that operate within the various segments of the Oil and Gas business, to become more operationally disciplined in the way we do business and operate our assets in a high-risk operating environment

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 GPT0,234
Écart entre enseignants0,221 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207