LOGISTICA DE TRANSPORTES PARA OS EUA E CANADÁ – PROJETO DOOR TO DOOR
Bibliographic record
Abstract
PDF | Até 1998 a ACESITA não tinha uma estratégia definida para Exportação de seus produtos. Após decidir duplicar a sua produção de Aço inox , a empresa , conjuntamente com o seu acionista controlador ( Grupo Francês USINOR) , estabeleceu uma estratégia para Exportação do volume que o mercado interno não iria absorver . Até o ano de 2000 , todos os embarques tiveram como destino final o Porto do pais importador na modalidade CFR. Até o ano 2001 a ACESITA permaneceu com uma Logística de entrega até os Portos nos Estados Unidos ( Também porta de entrada para o Canada) e a USINOR até então contratava a entrega até o destino final. O Projeto que apresentamos , foi desenvolvido para reduzir os custos da operação, reduzir o transit time e principalmente permitir ä Acesita o controle e gerenciamento de todo processo de Logística Exportação para os EUA e Canadá, considerando principalmente a necessidade de estabelecer vantagens competitivas diante do mercado Americano e Europeu. Culminou na implantação de uma Logística de Exportação “Door to Door” para os Estados Unidos e Canada, contratada e controlada integralmente pela ACESIT A. A utilização de um Operador Logístico viabilizou o projeto, e permitiu uma redução dos custos logísticos na ordem de 20% , além de otimizar e disponibilizar informações atualizadas ( Tracking - rastreamento) da carga desde o Porto de embarque no Brasil até o destino final, na planta do Cliente..
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.008 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.048 | 0.010 |
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".