Obstacles of Implementing Industry 4.0 in Nepalese Industries and Way-Forward
Notice bibliographique
Résumé
Industry 4.0 is buzzword in recent years and has become a topic of growing importance. It is a new technical framework that has been widely debated and studied and is likely to eventually constitute a fourth industrial revolution because it provides significant progress relevant to intelligent and potential industries in the market. As Nepal has introduced open policies for improving trade conditions in the mid-1980s, industries have to be competitive and capable enough to sustain themselves in such open policies. Such, dependencies can be minimize, and could only be possible, through the increasing the competitiveness of Nepalese industries with the help of use of new technologies. In such context, Nepalese industrial readiness for industry 4.0 is important topic to discuss. This study aims to identify the obstacles of implementing industry 4.0 in Nepalese Industries lies within 3 industrial estates of Kathmandu Valley i.e. Balaju, Patan and Bhaktapur industrial estates. Data has collected data from all 287 running industry from all three industrial estates with the help of questionnaire through respondent interview using KoBo Collect Toolbox. Our study finds that half of the industries (49%) face hurdles while adopting new technologies. Among them, the major hurdles are lack of infrastructure, lack of skilled manpower, lack of capital, poor implementation of policies. Among two third of the respondents think obstacles in implementing industry 4.0 is manageable. Political support, improvement in implementation mechanism and long term strategy are key factors that support industries to invest in new innovative technologies.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».