MétaCan
Menu
Retour à la cohorte
Enregistrement W4406081054 · doi:10.54259/satesi.v4i1.3203

Analisa Penggunaan Hasil Pembangunan KRI Alugoro-405 di Galangan PT. PAL Surabaya untuk Mendukung Operasional Kapal Selam TNI AL

2024· article· en· W4406081054 sur OpenAlexaff
Alfredo Panataran Purba, Firman Johan, Ugik Cahyo

Notice bibliographique

RevueSATESI Jurnal Sains Teknologi dan Sistem Informasi · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusiness

Résumé

récupéré en direct d'OpenAlex

The current condition of KRI Alugoro-405 after completion of its construction in 2019 by PT PAL and DSME is that there are corrosion problems on the ship's body, HVAC air humidity system and electrical problems. it is necessary to analyze the root causes of these problems. As an analytical approach, the researcher adopts a descriptive qualitative method to produce a more in-depth and flexible research to find out the root causes of technical problems that occur by processing data using the Nvivo application. Also carried out a strategy analysis to measure the strengths and weaknesses of using the results of the construction of the Kri Alugoro-405 submarine using SWOT analysis. the types of data used in this study include primary data through interviews and observations and secondary data obtained from documents. The results of this study include 1) Corrosion on KRI Alugoro-405 is caused by coating applications and construction designs that are not in accordance with standards and lack of protection by cathodic protection systems. 2) Problems with the HVAC system are caused by sub-optimal design and insufficient diameter of the battery room ventilation branches. 3) In the electrical system, there were voltage spikes in the AC network and voltage distortions due to connected loads, such as inrush current and harmonics, as well as insulation problems in the DC-AC converter.

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 candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,843
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,004
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,225 · 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.

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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSATESI Jurnal Sains Teknologi dan Sistem InformasiMême sujetManagement and Optimization TechniquesTravaux en français237 207