MétaCan
Menu
Retour à la cohorte
Enregistrement W7055611909

Développement d'une méthodologie systématique de conception des cours à bois

2020· other· fr· W7055611909 sur OpenAlexaboutno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2020
Typeother
Languefr
DomainePhysics and Astronomy
ThématiqueAdvanced Frequency and Time Standards
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSharecroppingStatistical analysisNatural logarithm
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les cours à bois jouent un rôle essentiel dans le bon fonctionnement de la chaîne d'approvisionnement forestier. La performance des opérations d'une cour est étroitement liée à sa conception. Le problème de conception des cours à bois a attiré peu d’attention dans le milieu scientifique bien que les recherches provenant d’autres secteurs industriels aient démontré l’importance stratégique des entrepôts sur les activités et la rentabilité économique des entreprises. Par conséquent, il existe un besoin de recherche dans cet environnement complexe pour la création d’une approche systématique visant à concevoir des cours à bois performantes en tenant compte de leurs conditions opérationnelles. Cette thèse vise à développer une méthodologie systématique de conception des cours à bois afin d’accroitre la performance de la chaîne d’approvisionnement forestier. Dans un premier temps, les pratiques actuelles de conception, de gestion et d’opérations réalisées dans les cours à bois ont été documentées. Des données détaillées sur la superficie, l’approvisionnement, les ressources humaines et machines, la gestion des inventaires et la performance ont été collectées au moyen de questionnaires personnalisés auprès de 38 des plus grandes usines de sciage SEPM au Québec. Ces données ont été complétées et clarifiées par des visites de sites et des entrevues avec les gestionnaires des cours à bois. Les résultats ont confirmé le besoin d’un guide de conception dans le milieu pratique et ont démontré une hétérogénéité des conditions opérationnelles des cours à bois. Une analyse des données obtenues nous a permis d’identifier les inhibiteurs de leur gestion et des opérations (saisonnalité de l’approvisionnement, forme de la cour, revêtement en terre battue). Par la suite, les données du sondage ont servi à comparer l’efficience technique des cours à bois et de leurs opérations. Une approche Data Envelopment Analysis (DEA) a permis d’identifier des sources d’inefficience en utilisant la superficie, le nombre de machines et le nombre d’employés en intrants, ainsi que le volume annuel en extrant au modèle. La moyenne d’efficience technique des cours sondées est de 62 % sous hypothèse de rendements d’échelle constants et de 81 % sous hypothèse de rendements d’échelle variables. L’inefficience des cours à bois est liée au rendement d’échelle (23 %) et à la consommation de ressources (19 %). Les résultats d’efficience ont été comparés au contexte opérationnel de la cour représentée par : le nombre de tris, la forme de la cour et la saisonnalité d’approvisionnement. Cette analyse a permis d’identifier deux pratiques (vieil équipement et revêtement en terre battue) qui influencent le plus la performance des cours à bois en tenant compte de leur contexte opérationnel. Finalement, une approche prenant en compte la saisonnalité de l’approvisionnement forestier dans les démarches de conception des cours à bois a été proposée. Cette approche bonifie la méthode de conception statique développée par Hampton dans les années 1980. La bonification permet d’adapter la conception de la cour aux conditions saisonnières d’approvisionnement en déterminant les saisons d’opérations et en intégrant des décisions flexibles de conception (capacité supplémentaire, ressources additionnelles, ressources flexibles). La démarche d’évaluation de la performance des scénarios proposés a également été bonifiée par l’application de la simulation à évènements discrets. L’applicabilité de la méthode est démontrée à l’aide d’un cas d’une cour existante dans la province de Québec au Canada.

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 candidatesMéta-épidémiologie (sens strict), Charge 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,021
Tête enseignante GPT0,240
Écart entre enseignants0,220 · 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
GenreAutre

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)Même sujetAdvanced Frequency and Time StandardsTravaux en français237 207