Introduction of Internal Audit as an Innovative Tool for Improving the Economic Efficiency of Enterprises
Notice bibliographique
Résumé
The production of paint and varnish materials is one of the main sectors of the chemical industry, which is rapidly and dynamically developing in the context of innovative changes. Enterprises of the paint and varnish industry create new jobs using the latest technologies, including digital ones, which can be implemented on a powerful material and technical base. The study examines global trends in the development of paint and varnish industry enterprises and determines prospects for major manufacturers. In the article, the impact of the global economic crisis deepened by the COVID-19 pandemic on the production and consumption of paint and varnish materials is analysed. The pandemic has lowered prices for chemical products, reduced orders for the supply of paint and varnish materials, and considerably increased international competition between manufacturers. Moreover, the study estimates the volumes and substantiates the need for investment in the further technological development of paint and varnish industry enterprises to reduce the energy intensity of production, material consumption of products and ensure their high quality, affordable price, and environmental safety. An internal audit of fixed assets at paint and varnish industry enterprises revealed a substantial deviation in the cost of fixed assets in the financial statements (it can reach 10-14%). Timely and well-founded management decisions on the reproduction and modernisation of fixed assets will provide enterprises with the opportunity to use the latest technological support for the production of quality and environmentally friendly products, increase their economic efficiency and competitiveness.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».