MétaCan
Menu
Retour à la cohorte
Enregistrement W4415505202 · doi:10.1071/aj17261

International perspective: making the supply chain work for you

2018· article· en· W4415505202 sur OpenAlexaff
Andrew Kavanagh

Notice bibliographique

RevueThe APPEA Journal · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensNexen (Canada)
Organismes subventionnairesnon disponible
Mots-clésSupply chainScope (computer science)Work (physics)Quality (philosophy)Investment (military)Government (linguistics)Service (business)

Résumé

récupéré en direct d'OpenAlex

Crafting relationships with reliable vendors of quality products and services is only a small piece of what this seminar is about. Making the supply chain work for you is a matter of trusting the knowledge and expertise of your providers. At NEXT, our purpose is to listen, and to consult, so that our customers can maximise their investment with the right solution. That requires a commitment to collaboration, iteration, and communication from all parties. Compressor packages, when engineered to the scope and spec often requested in international applications, can represent incredible levels of expenditure. Consider that natural gas compression equipment relies on thousands of highly engineered parts, each working flawlessly in unison. The degree of intricacy in these units creates the need to lean heavily on members of the supply chain, to allow information and experiences to flow through. There is no shortcut available, and failure to maximise the supply chain’s contributions to a project can result in avoidable mistakes. At NEXT, we’ve learned to use the supply chain, but we aren’t the final stop. We see an Australia that is primed to become a global leader in the LNG and energy markets. We believe that if Australian end-users can use the supply chain to its full potential, it will be a fundamental next step on the path to ‘[…] a win-win for the LNG operators, the Australian oil and gas service sector, the government and the country’ (Ready or Not, Accenture, 2015).

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,891
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,291
Écart entre enseignants0,259 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe APPEA JournalMême sujetQuality and Supply ManagementTravaux en français237 207