MétaCan
Menu
← tous les travaux

Industry 4.0 and the human factor – A systems framework and analysis methodology for successful development

2020· article· en· 551 citations· W3106795364 sur OpenAlex· 10.1016/j.ijpe.2020.107992

Pourquoi ce travail est-il 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.

Affiliation canadienneUne personne signataire a déclaré un établissement canadien. C'est la seule voie dont dispose la base habituelle.
Organisme subventionnaire canadienUn organisme canadien l'a financé. Le travail peut ne porter aucune affiliation canadienne.

Prédiction distillée sur la base complète

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.

Catégories candidates
aucune
Catégories consensuelles
aucune
Domaine
Signal candidat: aucuneSignal consensuel: aucune
Devis d'étude
Signal candidat: Simulation ou modélisationSignal consensuel: aucune
Genre
Signal candidat: EmpiriqueSignal consensuel: Empirique
Score de désaccord entre enseignants
0,544
Score d'incertitude au seuil
0,247
Statut de validation
machine_predicted_unvalidated · codex-gemma-dda1882f352a

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)

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,298
Écart entre enseignants
0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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

Résumé

The fourth industrial revolution we currently witness changes the role of humans in operations systems. Although automation and assistance technologies are becoming more prevalent in production and logistics, there is consensus that humans will remain an essential part of operations systems. Nevertheless, human factors are still underrepresented in this research stream resulting in an important research and application gap. This article first exposes this gap by presenting the results of a focused content analysis of earlier research on Industry 4.0. To contribute to closing this gap, it then develops a conceptual framework that integrates several key concepts from the human factors engineering discipline that are important in the context of Industry 4.0 and that should thus be considered in future research in this area. The framework can be used in research and development to systematically consider human factors in Industry 4.0 designs and implementations. This enables the analysis of changing demands for humans in Industry 4.0 environments and contributes towards a successful digital transformation that avoid the pitfalls of innovation performed without attention to human factors. The paper concludes with highlighting future research directions on human factors in Industry 4.0 as well as managerial implications for successful applications in practice.

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.

La notice

Revue
International Journal of Production Economics
Thématique
Digital Transformation in Industry
Domaine
Engineering
Établissements canadiens
Toronto Metropolitan University
Organismes subventionnaires
H2020 Marie Skłodowska-Curie ActionsNatural Sciences and Engineering Research Council of CanadaHorizon 2020 Framework ProgrammeEuropean Commission
Mots-clés
WitnessConceptual frameworkComputer scienceImplementationContext (archaeology)Industry 4.0AutomationKnowledge managementCritical success factorProcess managementRisk analysis (engineering)Management scienceBusinessEngineeringSociology
Résumé présent dans OpenAlex
oui