MétaCan
Menu
Retour à la cohorte
Enregistrement W3112796122 · doi:10.1109/smc42975.2020.9283237

Layout Optimisation for Command Spaces with Unequal-sized Workstations Using a Genetic Algorithm

2020· article· en· W3112796122 sur OpenAlex
Wenbi Wang, Aidan Campbell

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.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensUniversity of WaterlooDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésWorkspaceWorkstationFitness functionGenetic algorithmComputer scienceFunction (biology)AlgorithmSpace (punctuation)Mathematical optimizationSimulationOperating systemMathematicsArtificial intelligenceMachine learningRobot

Résumé

récupéré en direct d'OpenAlex

A genetic algorithm has been developed to analyze layout options of military command spaces. It adopts a fitness function that reflects a human factors characterization of interoperator collaboration efficiency. A novel solution was proposed to examine command space layouts that involved unequal-sized workstations. The solution takes advantage of the unique parameter setup of the fitness function and converts an unequalsized facility layout problem into an equal-sized one by introducing the concept of a standard unit workspace. The effectiveness of this solution was investigated in a simulation experiment where the algorithm was used to analyze design options of a hypothetical operations room layout that involved a 9-person team with unequal workspace requirements. Based on 100 simulation runs, 24 unique layout options were identified by the algorithm and their optimality was confirmed by analytical examination. The proposed solution allows human factors practitioners to address the layout configuration of command spaces with complex workspace requirements.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,241
Score d'incertitude au seuil0,376

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 Opus0,030
Tête enseignante GPT0,242
Écart entre enseignants0,212 · 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