MétaCan
Menu
Retour à la cohorte
Enregistrement W4367181747 · doi:10.3390/jmse11050927

Visibility Performance Assessment: Simulation of a Digital Shadow in a Port

2023· article· en· W4367181747 sur OpenAlexafffundabout
Erik Bergeron, Jean‐François Audy, Pascal Forget

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMaritime Ports and Logistics
Établissements canadiensUniversité de MontréalUniversité du Québec à Trois-Rivières
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésVisibilityShadow (psychology)Port (circuit theory)Computer scienceSupply chainStrengths and weaknessesOrder (exchange)Operations researchBusinessEngineeringMarketingFinanceMeteorology

Résumé

récupéré en direct d'OpenAlex

The growth of goods transported by ship affects the entire maritime industry, which is central to the global supply chain. Faced with an increased pressure from the industry, ports need greater visibility on the flow of goods and logistics operations. To tackle this challenge, improvement opportunities as well as weaknesses must be identified in order to define an efficient data acquisition strategy that will allow port authorities to enhance their current visibility within their port ecosystem. This article presents the simulation of a digital shadow based on a Canadian port case study. The study uses the simulation of a digital shadow to diagnose a Canadian port authority’s current visibility, with an accent on data accuracy, in order to identify improvement opportunities aimed at overcoming weaknesses identified in a current practice scenario and then compare the performance of the current system with said improvements in a second scenario. To our knowledge, this is the first simulation study on visibility performance assessment in a port’s digital shadow.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,279
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,013
Tête enseignante GPT0,250
Écart entre enseignants0,237 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Marine Science and EngineeringMême sujetMaritime Ports and LogisticsTravaux en français237 207