MétaCan
Menu
Retour à la cohorte
Enregistrement W4306963798 · doi:10.18280/ijsdp.170621

Financial Feasibility of Modification Workshop Case Studies: Be-Modified

2022· article· en· W4306963798 sur OpenAlexvenueno aff
Rizki Puspita Dewanti, Edi Paryanto, Johan Alfian Pradana, Catur Harsito

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProfitability indexInternal rate of returnNet present valuePayback periodInvestment (military)Index (typography)Rate of returnBenefit–cost ratioReturn on investmentBusiness caseEngineering economicsOperations managementPresent valueBusinessActuarial scienceProduction (economics)FinanceEconomicsComputer scienceMicroeconomicsManagement

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to determine the location of the custom workshop business using the criteria of NPV, IRR, PBP, PI and B/C. This research method uses a field research model with the right procedure to use the net present value method, internal rate of return, payback period, profitability index and benefit cost ratio to determine the custome workshop business. The results of the criteria obtained are that NPV>0, IRR is 29.4%, PBP is 2.75 years, PI is 1.1.48 and B/C is 1.1. This level of achievement uses the world every day, there must be activities in the custome workshop to achieve the criteria. The criterion that becomes the dominant factor is the occurrence of an increase in the profitability index. This is a criterion that states there is an increase in the benefits of the specified investment value. What causes an increase in benefits is that assets and production facilities can experience functions that are more suitable for the way they are used.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,323
Écart entre enseignants0,256 · 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'étudeSans objet
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetManagement and Optimization TechniquesTravaux en français237 207