METODOLOGIA E RESULTADOS DA SELEÇÃO DE TECNOLOGIAS DE REDUÇÃO DE FABRICAÇÃO DE FERRO PARA CONDIÇÕES ESPECÍFICAS
Bibliographic record
Abstract
PDF | Este trabalho apresenta o desenvolvimento e aplicação prática de uma metodologia para seleção de tecnologia de fabricação de gusa para condições locais específicas. A metodologia é baseada num processo conduzido em dois estágios de análise técnica e econômica com intuito de filtrar e eliminar as tecnologias desfavoráveis sob certas condições. O primeiro estágio inclui uma avaliação de todos os dados disponíveis aplicados a uma tecnologia específica com a seleção de até três das melhores tecnologias baseadas em análise de risco, período de retorno simples (“pay-back”), análise de investimento de capital e de custos de operação. O segundo estágio inclui uma avaliação econoômica-financeira mais detalhada para selecionar a melhor /mais viável tecnologia . A aplicação desta metodologia vem facilitando a recomendação e/ou rejeição, por parte da HATCH, de tecnologias de fabricação de gusa disponíveis para várias siderúrgicas com o objetivo de atendimento de necessidades específicas.
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 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".