MétaCan
Menu
Retour à la cohorte
Enregistrement W4403280090 · doi:10.1016/j.ifacol.2024.09.160

Investigating the productivity in different assembly system configurations for a better inclusion of disabled workers

2024· article· en· W4403280090 sur OpenAlexaff
Serena Finco, Patrick Neumann, Azin Setayesh

Notice bibliographique

RevueIFAC-PapersOnLine · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAssembly Line Balancing Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésProductivityInclusion (mineral)Computer scienceBusinessPsychologyEconomicsEconomic growthSocial psychology

Résumé

récupéré en direct d'OpenAlex

One of the United Nations’ Sustainable Development Goals is focused on decent work and growth which aims to reduce and, finally, remove all barriers for people with a form of diversity like disability. In such a context, manufacturing and production systems should be adapted by adopting specific equipment to help workers with disability while executing jobs according to the type of disability they report. Jobs must be properly planned since disabled workers have physical or cognitive disabilities and specific rights to work. Further, aiming to guarantee a real inclusion of workers with disability production systems should be designed to include these workers in the same working environment as workers without disability. This paper focuses on assembly systems, and it aims to investigate how different designs could impact both the productivity and inclusion of disabled workers. Then, due to the higher variety of products belonging to the same family mixed model assembly systems are considered. For each assembly system design, the daily productivity is calculated by using a simulation approach. Finally, according to the obtained results we provide some considerations about the convenience of adopting parallel flows to guarantee higher inclusion without affecting too much the productivity of the assembly system.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,239
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'étudeObservationnel
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFAC-PapersOnLineMême sujetAssembly Line Balancing OptimizationTravaux en français237 207