MétaCan
Menu
Retour à la cohorte
Enregistrement W4387058454 · doi:10.1080/00207543.2023.2246783

Human-centric production and logistics system design and management: transitioning from Industry 4.0 to Industry 5.0

2023· article· en· W4387058454 sur OpenAlexaff
Eric H. Grosse, Fabio Sgarbossa, Cecilia Berlin, Patrick Neumann

Notice bibliographique

RevueInternational Journal of Production Research · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésIndustry 4.0ProsperitySophisticationBusinessOrder (exchange)Production (economics)Work (physics)Industrial organizationEngineeringKnowledge managementComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Industry 4.0 was presented more than a decade ago as the fourth industrial revolution, aiming to significantly raise the level of sophistication of interconnected technologies and thus increase manufacturing industries’ profits. However, because the technology-driven narrow focus of Industry 4.0 on performance and profit fails to explain how to increase prosperity for all the stakeholders involved, the European Commission has introduced the concept of Industry 5.0. This vision overcomes the weaknesses of Industry 4.0 by paying explicit attention to outcomes for humans in the system and establishing an environment to create human-centric, resilient, and sustainable systems. Considering these developments, this position paper and editorial introducing the special issue of the International Journal of Production Research elaborates on the transition from Industry 4.0 to 5.0 through 10 papers focusing on the human-centric pillar of Industry 5.0 and its impacts on production and logistics system design and management. This work presents guidance for a more systemic approach needed in future research: to include empirically grounded works and data-driven multimethod approaches that consider diversity in system operators and human factors demands holistically in order to incorporate ethical implications missing from Industry 4.0 – in the pursuit of Industry 5.0 systems.

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)0,017
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,013
Communication savante0,0130,009
Science ouverte0,0020,006
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,132
Tête enseignante GPT0,365
Écart entre enseignants0,233 · 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'étudeThéorique ou conceptuel
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

Citations214
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Production ResearchMême sujetDigital Transformation in IndustryTravaux en français237 207