MétaCan
Menu
Retour à la cohorte
Enregistrement W6968283506 · doi:10.5281/zenodo.14591294

D2.3 Intelligent operations systems and new technologies for intermodal logistics optimization

2024· article· en· W6968283506 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueTransport and Logistics Innovations
Établissements canadiensTransport Canada
Organismes subventionnairesEuropean Commission
Mots-clésSustainabilityDeliverableSupply chainResilience (materials science)European unionHumanitarian LogisticsTask (project management)Intelligent transportation systemEmerging technologies

Résumé

récupéré en direct d'OpenAlex

The present report is the Deliverable from task 2.3 of the ADMIRAL – Advanced Marketplace for Low Emission and Energy Transportation project, funded by the European Union under the HORIZON-CL5-2022-D6-02 with Grant Number 101104163.ADMIRAL WP2 – Sustainable development of logistics & transportation addresses key sustainability issues in the transportation and logistics sector such as zero (low) emissions logistics, reduction of energy consumption from fossil fuels in transportation and enhancement of collaborative logistics to reach common sustainability goals in the pilots to be implemented in Finland, Lithuania, Portugal-Spain and Slovenia-Croatia.The present report «Intelligent operations systems and new technologies for intermodal logistics optimization » is one result of task 2.3 - Current (mega) trends for sustainable logistics, which integrates ADMIRAL WP2 - Sustainable development of logistics & transport. Following ADMIRAL’s project Grant Agreement 101104163, the main goals of task 2.3 are as follows: • To identify global trends on innovative solutions to improve the sustainability performance of operations (Reverse logistics, Symbiotic logistics, etc.).• To identify how companies/stakeholders are dealing with identified technological changes and adapting systems for digitalisation, automation and the creation of new services (IoT, autonomous delivery, robotics, circular supply chains, etc.).• To analyse how the requirements for improving resilience and sustainability at the same time are considered and should be considered in the future.• To identify/assess how intelligent systems are being used or planned to integrate all logistics stakeholders (producers, suppliers, ship owners, transport operators, support services, etc.), including sustainability performance indicators.• To analyse how governance practices connect all levels of suppliers and service providers considering code of conduct and corporate reports to achieve sustainability goals.• To map innovative solutions, technological and social, identifying the contribution of each for a more efficient and sustainable supply chain (e.g., autonomous vehicles and delivery, factory ships with product finishing (customization), including industry 5.0 issues.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,867

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,059
Tête enseignante GPT0,255
Écart entre enseignants0,196 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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 revueZenodo (CERN European Organization for Nuclear Research)Même sujetTransport and Logistics InnovationsTravaux en français237 207