Integration der Unsicherheitsaspekte in die Schedule-Optimierung
Notice bibliographique
Résumé
Der für moderne Märkte charakteristische verschärfte Wettbewerb erfordert von den Unternehmen eine zeit- und kostenoptimale Leistungserbringung und eine effiziente Ressourcenallokation. Allerdings scheitern viele zu diesem Zweck entwickelte Schedule-Optimierungsmodelle, da sie entweder von der Konstanz der Scheduling-Parameter oder von der Kenntnis der Verteilung dieser Parameter während der Ausführungsperiode ausgehen. Dies entspricht jedoch nicht den Sachverhalten der Realwelt. Am Beispiel des Luftverkehrs entwickelt Leonid Jasvoin ein Modell, um die Unsicherheitsaspekte umfassend, realitätsnah und theoretisch fundiert in das Scheduling bzw. in die Flugplanoptimierung zu integrieren. Die Abbildung der Unsicherheiten bezüglich Abflugs- und Ankunftszeiten der Flüge erfolgt mit Hilfe der Fuzzy-Mengen-Theorie. Dadurch können sowohl Vergangenheitsinformationen als auch subjektive Vorstellungen, Erfahrungen und Bewertungen der Experten bei der Herleitung der Aussagen über die zu erwartenden Unsicherheiten berücksichtigt werden.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».