Bibliometric Performance and Future Relevance of Virtual Manufacturing Technology in the Fourth Industrial Revolution
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Virtual manufacturing (VM) technology emerged in the 1980s as a revolutionary strategy to optimize and streamline the entire product/service manufacturing lifecycle. However, over the years, its popularity appears to have waned. Further, the advent of the fourth industrial revolution (4IR) or Industry 4.0 brings with it other integrated digital technologies, including the Internet of Things (IoT), Blockchain, and digital twin (DT), among others. DT offers functions like VM plus other benefits, including intelligent manufacturing, to revolutionize future manufacturing operations activities and predictive capability using real-time data. This paper employs bibliographic metadata from publications indexed on SCOPUS to evaluate the recent trends in VM research and develop predictive models to forecast VM’s future trajectory and relevance in 4IR. The results of the bibliometric evaluation of VM-related scientific literature publications show a rapidly declining research productivity and highlight an exponential decline from the mid-2000s. This period of VM publication decline coincides with the advent of 4IR and DT technology, which are trending. The results of the predictive analytics using the quadratic regression model created in this study to forecast the future relevance of VM in the 4IR era suggest that VM publications show a similar conclusion. VM research output increased until 2009 and then started decreasing exponentially. The quadratic model implies an exponential decrease in yearly VM publications. Future works can evaluate DT and VM research trends from the last two decades.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,008 | 0,017 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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