MétaCan
Menu
Retour à la cohorte
Enregistrement W3175487722 · doi:10.37220/mit.2021.52.2.020

Development potential of logistics in the Arctic zone of the Russian Federation through the use of drones

2021· article· ru· W3175487722 sur OpenAlexaboutno aff
Н.В. Шаталова, О.М. Михов, О.В. Бородина

Notice bibliographique

RevueМОРСКИЕ ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ · 2021
Typearticle
Langueru
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArcticDroneRussian federationTransshipment (information security)BusinessThe arcticExclusive economic zoneOperations researchEngineeringFisheryOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

В статье рассматривается содержание транспортно-логистических задач в Арктике, а также перспективы международного сотрудничества. Изучен опыт других стран – Канады, США – в использовании дронов в логистике и доставке грузов. Раскрыта сущность использования беспилотных летательных аппаратов в логистике Арктической зоны, охарактеризованы преимущества и недостатки дронов на сегодняшний день и специфика их использования в Арктической зоне. Предложено использовать дроны в таких направлениях, как мониторинг состояния окружающей среды; контроль реальной загруженности логистических площадок на земле; транспортировки и перевалки грузов. Предлагается создать базу для оценки эффективности бюджета развития дронов для обеспечения логистических процессов в Арктической зоне РФ. Для этого проведено экономическое обоснование использования дронов в Арктической зоне в виде расчета чистого дисконтированного дохода и срока окупаемости проекта по использованию БПЛА в Арктической зоне. В качестве фактора экономии выступает меньшая потребность в топливе по сравнению с традиционными видами транспорта, используемыми в Арктике. Выделены проблемы и перспективы развития беспилотных перевозок в Арктической зоне. Сделан вывод о возможностях и изменениях развития в логистической деятельности в Арктической зоне в ближайшие годы. The article discusses the content of transport and logistics tasks in the Arctic, as well as the prospects for international cooperation. The experience of other countries – Canada, the United States – in the use of drones in logistics and cargo delivery was studied. The essence of the use of unmanned aerial vehicles in the logistics of the Arctic zone is revealed, the advantages and disadvantages of drones today and the specifics of their use in the Arctic zone are described. It is proposed to use drones in such areas as monitoring the state of the environment; monitoring the real workload of logistics sites on the ground; transportation and transshipment of goods. It is proposed to create a basis for evaluating the effectiveness of the budget for the development of drones to support logistics processes in the Arctic zone of the Russian Federation. For this purpose, an economic justification for the use of drones in the Arctic zone was carried out in the form of calculating the net discounted income and the payback period of the project for the use of UAVs in the Arctic zone. As a factor of economy, there is less need for fuel in comparison with traditional modes of transport used in the Arctic. The problems and prospects for the development of unmanned transportation in the Arctic zone are highlighted. The conclusion is made about the opportunities and changes in the development of logistics activities in the Arctic zone in the coming years.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,090
Tête enseignante GPT0,315
Écart entre enseignants0,225 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueМОРСКИЕ ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИMême sujetArctic and Russian Policy StudiesTravaux en français237 207