Kunnossapitojärjestelmän hyödyntäminen Savon Voimalla
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.
Notice bibliographique
Résumé
Opinnäytetyö tehtiin Savon Voimalla Oyj:lle, joka on yksi Suomen suurimpia energia-alan toimijoita. Toimialoina Savon Voimalla ovat kaukolämmön- ja sähköntuotanto, sähkönsiirto ja erilaiset uuden sukupolven energiaratkaisut ja -neuvonta. \n \nOpinnäytetyön aiheena oli kunnossapitojärjestelmän hyödyntäminen Savon Voimalla. WiseMaster-kunnossapito- ohjelmisto otettiin Savon Voimalla käyttöön vuonna 2013. Vuonna 2019 käytössä on jo puhelimen mobiililiittymien toinen sukupolvi. Ensimmäinen sukupolvi oli suunniteltu Windows-puhelimille, ja nyt käytössä olevaan Android-järjestelmään siirryttiin vuonna 2017. Puhelimelle suunnitellun kunnossapito-ohjelman lisäksi käytössä on selain-pohjainen järjestelmä. \n \nOpinnäytetyön pohjana oli WiseMaster-ohjelman käytöstä tehty nykytila-analyysi. Nykytila-analyysi kyselyllä pyrit-tiin selvittämään ohjelmiston käyttöastetta, käyttäjäkokemuksia, puutteita ja muita kehityskohteita. Kyselyyn osal-listui 21 henkilöä kaikilta kolmelta Savon Voiman toimialueelta eri ikä- ja työntekijäryhmistä. Ennen nykytila-analyysikyselyä oli kehitysehdotuksia vastaanotettu jo jonkin verran, mutta nyt saatiin kattavampi otanta, ja kaikki vastaukset kirjattiin laadittuun Excel- taulukkoon. Taulukko sisälsi 35 kysymystä. Osaan kysymyksiä vastattiin ”Kyllä” tai ”Ei” -vaihtoehdoilla ja lisäksi vastaajilta pyydettiin perusteluja. Lopuissa kysymyksissä vaadittiin pidem-pää sanallista perustelua. Vastausten perusteella tehtiin muutamia parannuksia WiseMaster-kunnossapitojärjestelmään, ja niistä osa on vielä suunnittelussa.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,057 | 0,074 |
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.
score_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