Análise de benchmarking para projeto de plataforma logística
Notice bibliographique
Résumé
The use of logistic Platform in the world has grown considerably, but in Brazil, this practice is still incipient. Given local circumstances, projects need to be well adapted to Brazilian reality, there are few studies that help in this direction. The aim of this paper is to suggest guidelines for strategic planning of the new logistics platform to be installed in Campinas, So Paulo. As a starting point of the study were selected twenty-nine logistics platforms around the world and, through Data Envelopment Analysis (DEA) have been identified that constitute the global benchmarking and were taken as the base platform design logistics of Campinas (PLC). For this analysis we adopted the DEA-BCC model (Variable Return to Scale-VRS) with the following performance indicators, areas of logistics platforms, the capital invested, number of businesses attracted and annual cargo handling. After the initial assessment of the twenty-nine platforms by DEA were identified seven as global benchmarks and this set three references have been identified as best practices for the PLC (Atlantic Gateway-Halifax Logistics Park, Canada, Raritan Center, USA; Rickenbacker Global Logistics Park and USA). At the same time a qualitative study, using the method of multiple case study, identified five more platforms PLAZA (Span), Distrito de Nola (Italy), Rugis (France) Bremen GVZ (German) e Dallas logistic Hub (USA) that could be included as references for the enterprise. From a detailed analysis of selected platforms were able to identify suggestions for improvements and design guidelines for the Brazilian platform. This application demonstrated that the proposed strategy has wide applicability and gives good results for project evaluation design of logistics platforms.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».