MétaCan
Menu
Retour à la cohorte
Enregistrement W4386362901 · doi:10.1109/access.2023.3311362

Manufacturing Systems for Unexpected Events: An Exploratory Review for Operational and Disruption Risks

2023· article· en· W4386362901 sur OpenAlexafffund
Alejandro Vital-Soto, Jessica Olivares-Aguila

Notice bibliographique

RevueIEEE Access · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensCape Breton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRisk analysis (engineering)AdaptabilitySupply chainComputer scienceRisk managementProcess development execution systemManufacturingSupply chain risk managementAdvanced manufacturingBusinessProcess managementOperations managementSupply chain managementEngineering

Résumé

récupéré en direct d'OpenAlex

Manufacturing systems are the core of manufacturing industries that have evolved to adapt to the ever-changing landscape. Nowadays, manufacturing systems are more frequently exposed to disturbances and risks that affect their everyday operations. Hence, it is imperative to analyze and design proactive and reactive strategies to respond to those disruptive events. While there has been an increasing interest in tackling risks from the supply chain perspective, an analysis of risks from the manufacturing system view has been neglected. Risks are broadly classified into operational risks and disruption risks. This study presents a literature review of different manufacturing paradigms and what operational risk considerations have been discussed for each stage of the manufacturing life cycle. The review further analyzes how manufacturing systems are trying to handle disruption risks. Additionally, the article maps the different manufacturing systems and the strategies implemented to the different adaptability facets. Finally, the article discusses managerial insights and possible research avenues.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,226
Score d'incertitude au seuil0,501

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,109
Tête enseignante GPT0,366
Écart entre enseignants0,257 · 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'étudeSans objet
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

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207