MétaCan
Menu
Retour à la cohorte
Enregistrement W4382068718 · doi:10.4236/ti.2023.143008

Review of Disruptive Technology in Automotive Manufactruring

2023· article· en· W4382068718 sur OpenAlexvenueno aff
Patrick Osakuade

Notice bibliographique

RevueTechnology and Investment · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomotive industryManufacturing engineeringBusinessIndustrial organizationProcess (computing)RevenueAutomationComputer scienceEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

A study has been carried out on one of the first generation automotive assembly plant in Nigeria on their current level of assembly operations, automation and how to migrate to the industry 4.0. In the process, a comprehensive review of disruptive technology in the automotive manufacturing sector was carried out to find out the level of disruptive technology in the global automotive manufacturing industries. It was discovered that the industry 4.0 technology is already fully operational in the key global automotive manufacturing and assembly plants. This has positively impacted the automotive manufacturing industries and it comes with many benefits like employability, technology advancement, increases in revenue to the industry, and decarburization of the environment. The research has shown that with the knowledge of maturity model for the adoption of industry 4.0 in the manufacturing process, the organization could determine their industry 4.0 level at every point in time and the adoption could begin from a section in the organization before expanding to other sections, units or department. There is a need for the Nigeria automotive industries to start to migrate to the industry 4.0 level from either the body welding operation or the paint shop.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,241
Écart entre enseignants0,229 · 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
GenreSynthèse

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

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology and InvestmentMême sujetDigital Transformation in IndustryTravaux en français237 207