Mejora del proceso de producción en planta vinícola
Bibliographic record
Abstract
En el presente trabajo, se detalla una revisión sistemática de estudios primarios cuantitativos y cualitativos respecto a la mejora del proceso de producción en plantas vinícolas, \ncuya formulación de objeto de estudio engloba los conceptos teóricos de los procesos de producción del vino y metodologías de mejora del mismo, ello con la finalidad de poder determinar qué tipo de recursos y herramientas se podrían implementar en una planta vinícola a fin de lograr la optimización e recursos y mejorar los procesos de producción. \nLa búsqueda se realizó el 20 de mayo del 2020 en las siguientes fuentes científicas: \nSCOPUS, Google Académico, EBSCO, PROQUES y ScienceDirect, siguiendo los criterios de inclusión y exclusión, obteniéndose así una muestra de 42 estudios relacionados al tema en mención, de los cuáles 6 fueron libros virtuales, 15 artículos científicos, 9 publicaciones arbitradas y 12 Journal destacados. \nFinalmente, las investigaciones revisadas revelan la importancia de la mejora de un proceso productivo para alcanzar la calidad total a través de la implementación de herramientas como Lean Manufacturing, Six Sigma, BPR y Kaizen.
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 | 0.004 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.002 |
| 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".