MétaCan
Menu
Retour à la cohorte
Enregistrement W4400910698 · doi:10.1109/ic3se62002.2024.10593112

Human Resource Management Assisted by Fuzzy Logic System to Solve Problems in Supply Chain Management

2024· article· en· W4400910698 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésSupply chain managementFuzzy logicComputer scienceResource management (computing)Human resource managementSupply chainHuman resource management systemKnowledge managementProcess managementBusinessArtificial intelligenceDistributed computing

Résumé

récupéré en direct d'OpenAlex

The study proposes a fuzzy logic system and its utilization to enhance the supply chain management using human resource management by addressing the challenges. Conventional approaches in supply chain management are important with some complexities that are difficult for efficient navigation. Fuzzy logic system is incorporated from the ability to handle uncertain and imprecise data of human resource management within the management of supply chain which is considered to be the powerful tool in problem solving and decision-making process. The study focusses on the integration of fuzzy logic for effective management of human resources in the scenario of supply chain to enhance adaptability improvement in decision making process and contribution for optimizing the supply chain operations. Fuzzy logic is applied on HRM practices for addressing unpredictable and dynamic nature of supply chain in the present competitive business environment. The findings shows that fuzzy logic helps in solving the problem by integration of HRM in SCM.

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 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 candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,854
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,014
Tête enseignante GPT0,230
Écart entre enseignants0,216 · 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

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetManagement and Optimization TechniquesTravaux en français237 207