MétaCan
Menu
Retour à la cohorte
Enregistrement W3095603805 · doi:10.18280/jesa.530406

Multi-agent Modeling of the Collaborative Operation of the Producer Service Supply Chain under the Intelligent Manufacturing Clusters in the Yangtze River Delta

2020· article· en· W3095603805 sur OpenAlexvenueno aff
Caihong Liu

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueE-commerce and Technology Innovations
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceJiaxing University
Mots-clésService (business)Supply chainScope (computer science)Yangtze riverProduction (economics)Computer scienceBusinessManufacturing engineeringProcess managementChinaEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

With the proliferation and aggregation of advanced production technology and information technology, several regional intelligent manufacturing clusters have taken shape in China. The development of intelligent manufacturing, which is highly technical, innovative, and informatized, needs the support of more professional producer services. Considering the broad scope of producer service supply-demand in regional intelligent manufacturing, this paper takes the intelligent manufacturing cluster in the Yangtze River Delta as the object, analyzes the limited access to producer services required for production operations, and proposes to integrate and supply the resources of multiple service agents in the region in a dynamic and collaborative manner. Then, the Multi-Agent model was constructed for the producer service supply chain, and the relevant factor libraries and decision libraries were designed. Finally, an empirical analysis was carried out to evaluate the stability of the collaborative operation of the producer service supply chain under the effect of some collaboration factors. The results show that the model has a certain theoretical reference value.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
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 Opus0,039
Tête enseignante GPT0,252
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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 revueJournal Européen des Systèmes AutomatisésMême sujetE-commerce and Technology InnovationsTravaux en français237 207