Modélisation des systèmes d'approvisionnement des scieries de bois de résineux en France et au Canada et propositions d'amélioration grâce aux technologies d'identification
Bibliographic record
Abstract
Ce PFE (Projet de fin d'etude) met en evidence les principales caracteristiques des systemes d'approvisionnement des scieries francaises et canadiennes et expose leurs differences ainsi que leurs forces et leurs faiblesses. Ces differences sont importantes dans la comprehension des flux de matiere et des flux d'information propres a l'approvisionnement des bois dans ces deux pays. La filiere bois en France est en deficit de plus de 6 milliards d'euros et a besoin de competitivite au sein de toute sa chaine logistique. Les modelisations de ces systemes, que ce PFE propose de mettre en place, permettent de representer la realite afin de mieux communiquer et mieux expliquer les enjeux sociaux et economiques de l'approvisionnement en bois des scieries en France et au Canada. Les deux modeles, pour chaque systeme d'approvisionnement (francais et canadien), sont realises a l'aide de l'outil MEGA pour avoir un cadre bien defini et utiliser des standards. Ces standards permettent, grâce a des indicateurs performants et utiles de realiser une comparaison afin de mieux comprendre ce que represente l'optimisation de la chaine d'approvisionnement des scieries. Il est par ailleurs montre qu'un systeme d'information fiable est une force necessaire et obligatoire pour le bon fonctionnement et la competitivite de la chaine d'approvisionnement. Des propositions d'amelioration sont donc faites, grâce notamment aux technologies d?identification pour la tracabilite. Cela permet de repondre a un sujet d'actualite : la connaissance de l'origine des bois ; en plus de fournir des elements de reponse quant a l'optimisation de la chaine logistique et plus particulierement l'approvisionnement des scieries.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".