MétaCan
Menu
Retour à la cohorte
Enregistrement W3007528916 · doi:10.15381/idata.v22i2.15568

Modelo de gestión por procesos para mejorar el desempeño en el área Agri-Food

2020· article· en· W3007528916 sur OpenAlexaff
Juan Gabriel Delgado Seclén, Willy Calsina Miramira

Notice bibliographique

RevueIndustrial Data · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensIntertek (Canada)
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)BusinessProcess managementFood sectorEnvironmental economicsComputer scienceIndustrial organizationOperations managementEnvironmental resource managementAgricultureEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

This research proposes improvements for the agri-food sector, which presents problems including: complaints from customers, who state that auditors and inspectors do not arrive at agreed-upon times; lack of procedures, which confuses clients since inspectors complete different operations for the same service; and finally, lack of input and output control of stored materials, so material required by all organizational personnel is frequently missing. After explaining the problems in the agri-food sector, this study aims to mitigate these directly-related problems, given that the client currently has a bad impression about the service. Likewise, the investigation was performed on a company that provides inspection, audit, testing and food certification services. The objective of this study is to determine the impact of a business process management model on the performance of the agri-food sector, with the aim of reducing complaints, standardizing activities carried out by the inspectors in the field and accounting for the materials required by all collaborators. The design of this research is time-series quasi-experimental; descriptive and inferential statistics have also been applied. Finally, the results obtained were: reduction of complaints, standardization of fieldwork and order fulfillment, all of which can be seen in the hypothesis testing.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,334
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,002
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 Opus0,265
Tête enseignante GPT0,320
Écart entre enseignants0,055 · 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'étudeSans objet
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial DataMême sujetQuality and Supply ManagementTravaux en français237 207