MétaCan
Menu
Retour à la cohorte
Enregistrement W39368636 · doi:10.1016/j.neubiorev.2024.105912

Cognitive Automation in Mixed-Model Assembly Systems

2012· dissertation· en· W39368636 sur OpenAlexfundno aff
Tommy Fässberg

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesMichael Smith Health Research BCNational Health and Medical Research CouncilFondation Brain CanadaScoliosis Research Society
Mots-clésAutomationMass customizationPersonalizationContext (archaeology)Product (mathematics)Computer scienceWorkloadProduction (economics)EngineeringManufacturing engineeringProcess managementSystems engineeringWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

AbstractCustomization and personalization of products and services has become the new standard of doing business. In order to provide highly customized products at a reasonable price flexible processes are needed. One example of how a company may supply its customers with variation is VOLVO where the C30 model can be configured to as many as 56 million unique variants. Increased variants puts great strain on the production and assembly system. The product variation creates a vast need for information to support the assembly operators working in the final assembly. As an increased number of choices are required, support by cognitive automation for assembly operators working in a mixed-model assembly environment is needed. In production, especially in an assembly context, cognitive automation aims to support decision making in order to ensure production of error-free products. Increased cognitive automation could improve the operators’ work situations and decrease their workload while retaining the same physical automation. However, cognitive automation tends to be less developed than physical automation.The objective of this Licentiate thesis is to examine how cognitive automation can best be used to support operators in mass customized assembly. Three case studies were carried out at two companies, aimed at identifying their needs concerning cognitive automation. Results of these studies showed that increased product variance caused by mass customization creates a complexity, which may impact the number of assembly errors. One cases study aimed to develop a mobile ICT tool based on a smartphone application and test its possible implementation and benefits. The use of cognitive automation such as a mobile ICT tool can reduce the error rates in complex assembly environments. Although high levels of cognitive automation exists, the actual use of such support can be low, which might be a result of support not designed for the end user. Therefore an increased level of automation does not always provide more support. By altering the carrier and content, the cognitive support can be enhanced to fit the context e.g. mobile information carriers in large assembly stations. Providing more precise cognitive automation can thus target the challenges of more parts and procedures associated with mass customization.Keywords: Cognitive Automation, Information, Assembly Systems

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)0,003
score de la tête « metaresearch » (Gemma)0,009
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: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,011
Tête enseignante GPT0,242
Écart entre enseignants0,230 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetManufacturing Process and OptimizationTravaux en français237 207