MétaCan
Menu
Retour à la cohorte
Enregistrement W4319790428 · doi:10.1080/02827581.2023.2168045

Country-wide analysis of the potential use of harwarders for final fellings in Sweden

2023· article· en· W4319790428 sur OpenAlexaff
Rikard Jonsson, Mikael Rönnqvist, Patrik Flisberg, Petrus Jönsson, Ola Lindroos

Notice bibliographique

RevueScandinavian Journal of Forest Research · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésComputer scienceScale (ratio)AutomationForestryBusinessOperations managementEconomicsEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

There is a need to decrease the costs of cut-to-length operations. The harwarder, a one-machine system with the potential to reduce the costs, has been compared to the two-machine system (TMS) at the stand and regional levels but not at the national level, which is important as basis for decision to implement. The objective was therefore to analyze its potential on a large scale in Swedish final fellings. It was evaluated using two modeling approaches in conjunction with data representing around 30% of Sweden’s yearly final fellings from five forestry organizations. The analyses revealed that total costs could be reduced by around 3% if up to 50% of the total volume was logged using harwarders rather than the TMS. This would require the introduction of up to 250 harwarders into machine fleets that currently use only the TMS. The two modeling approaches gave similar results. It was concluded that the harwarder may need to demonstrate greater potential to justify a full-scale implementation in Swedish forestry, but the machine could be improved through technological development, especially through automation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil0,254

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,339
Écart entre enseignants0,250 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Forest ResearchMême sujetForest Biomass Utilization and ManagementTravaux en français237 207