Local on-demand fabrication: microfactories and online manufacturing platforms
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.
Notice bibliographique
Résumé
Purpose This article explores a particular on-demand fabrication unit, the microfactory (MF). It identifies and contrasts several MFs and proposes a taxonomy. This research also explores online manufacturing platforms (OMP) that complement certain MFs. Design/methodology/approach This research implements a multiple case study (71 cases in 21 countries), triangulating data available on the web with interviews, virtual/physical tours and experiential research. Findings The results suggest that automation and openness are the main dimensions that differentiate the MFs. Using these dimensions, a taxonomy of MFs is created. MFs with relatively low automation and high openness tend to be innovation-driven microfactories (IDMFs). MFs with high automation and low openness levels tend to be customization-driven microfactories (CDMFs). And MFs with relatively low automation and low openness tend to be classic machine shops (MSs). There are two types of OMP: closed (COMPs) and multisided (MOMPs). MOMPs can be low-end or high-end. Practical implications In a world where online platforms are becoming central to the reinvention of manufacturing, multisided online platforms and small fabricators will become strongly symbiotic. Originality/value This paper offers a clearer conceptualization of MFs and OMPs, which may help to better understand the reality of local on-demand fabrication. Moreover, it explores a new type of experiential research, which tries to describe and interpret firms through transactional activities. Many details of a firm that are difficult to capture via interviews and netnography can be revealed this way.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle