MétaCan
Menu
Retour à la cohorte
Enregistrement W3025383415 · doi:10.1016/j.arcontrol.2020.04.007

Human factors in production and logistics systems of the future

2020· article· en· W3025383415 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAnnual Reviews in Control · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueErgonomics and Human Factors
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHorizon 2020 Framework ProgrammeEuropean Commission
Mots-clésProduction (economics)Production planningWork (physics)Control (management)Process managementHumanitarian LogisticsIndustry 4.0Knowledge managementBusinessEngineeringRisk analysis (engineering)Engineering managementComputer scienceOperations management

Résumé

récupéré en direct d'OpenAlex

The way humans work in production and logistics systems is changing. The evolution of technologies, Industry 4.0 applications, and societal changes, such as ageing workforces, are transforming operations processes. This transformation is still a “black-box” for many companies, and there are calls for new management approaches that can help to successfully overcome the future challenges in production and logistics. While Industry 4.0 emerges, companies have started to use advanced control tools enabled by real-time monitoring systems that allow the development of more accurate planning models that enable proactive managerial decision-making. Although we observe an increasing trend in automating human work in almost every industry, human workers are still playing a central role in many production and logistics systems. Many of these planning models developed for managerial decision support, however, do not consider human factors and their impact on system or employee performance, leading to inaccurate planning results and decisions, underperforming systems, and increased health hazards for employees. This paper summarizes the vision, challenges and opportunities in this research field, based on the experience of the authors, members of the Working Group 7 (WG7) “Human factors and ergonomics in industrial and logistic system design and management” of the IFAC Technical Committee (TC) 5.2 “Manufacturing Modelling for Management and Control". We also discuss the development of this research stream in light of the contributions presented in invited sessions at related IFAC conferences over the last five years. The TC 5.2 framework is adapted to include a human-centered perspective. Based on this discussion, a research agenda is developed that highlights the potential benefits and future requirements for academia and society in this emerging research field. Promising directions for future research on human factors in production and logistics systems include the consideration of diversity of human workers and an in-depth integration of Industry 4.0 technologies in operations processes to support the development of smart, sustainable, human-centered systems.

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.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,425
Score d'incertitude au seuil0,223

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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,241
Écart entre enseignants0,217 · 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