MétaCan
Menu
Retour à la cohorte
Enregistrement W4308941212 · doi:10.5281/zenodo.7319728

El Proyecto MOSES: Mejora Del Transporte Maritimo De Corta Distancia Con Technologias Automatizadas

2022· paratext· es· W4308941212 sur OpenAlexaff
Mercedes de Juan, Jorge Marcos, Vicente Perales, Miguel Llop, Juan Luis Sanchez Echevarria, Laura Herrera Hoyos, María T. Lozano Sampedro

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typeparatext
Languees
DomaineEnergy
ThématiqueEnvironmental and Ecological Studies
Établissements canadiensASTER
Organismes subventionnairesHorizon 2020 Framework ProgrammeEuropean Commission
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

61º Congreso de Ingeniería Naval e Industria Marítima - Palma de Mallorca, 26-28 Octubre El proyecto MOSES (AutoMated Vessels and Supply Chain Optimisation for Sustainable Short SEa Shipping) pretende mejorar el componente de transporte marítimo de corta distancia (SSS) de la cadena de suministro europea. El proyecto MOSES tiene como objetivo crear servicios feeder para las rutas SSS, susceptibles de operar en puertos pequeños, y que favorezcan un 10% de cambio modal. MOSES propone una combinación de tecnologías automatizadas/autónomas y de optimización de oferta/demanda de carga, tales como el sistema AutoDock para buques portacontenedores en grandes terminales, que consiste en un enjambre de remolcadores autónomos, apoyado por la estación de control en tierra, y un sistema de amarre automatizado. Se espera reducir un 20 % los tiempos de carga de feeder mediante el uso Sistema Robótico de Manipulación de Contenedores con el que estará equipado el feeder. La optimización de la cadena de suministro, aplicada a través de la plataforma MOSES Matchmaking, tiene como objetivo aumentar el atractivo del SSS. El feeder se diseñará para una reducción neta de las emisiones de GEI de más del 90%. La solución MOSES espera conseguir una cadena de suministro de contenedores de la UE más sostenible desde el punto de vista medioambiental, de costes y social.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,025
Tête enseignante GPT0,233
Écart entre enseignants0,209 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetEnvironmental and Ecological StudiesTravaux en français237 207