Jälkiasennettavan dieselpartikkelisuodattimen markkinatutkimus
Bibliographic record
Abstract
Opinnäytetyön tarkoituksena oli tehostaa KesLift Oy:n suodatinmarkkinoita ja tavoitteena oli\nselvittää dieselpartikkelisuodattimien markkina-aluetta Suomen alueella sekä ottaa selvää\nviranomaismääräyksistä. Lisäksi käytiin läpi teknisiä määräyksiä.\n\nViitekehyksessä käsiteltiin dieselmoottorin toimintaperiaatetta ja moottoreiden\nympäristövaikutuksia sekä työhygieniaa. Toisena aihealueena oli markkinointi ja surveytutkimusmenetelmä.\nTutkimusongelmia nimettiin kolme: jälkiasennettavien suodatinmallien\nmarkkinoiden selvitys, nykyisten ja tulevien off-road-dieselkalustoa koskevien\nviranomaismääräysten selvittäminen sekä teknisten määräysten selvitys.\n\nMarkkinoitavia suodatinmalleja on saatavana kolmena versiona. Niiden tekniset tiedot on esitetty\nopinnäytetyössä. Viranomaismääräyksistä on selkeä taulukko, jossa dieselmoottoreiden sallitut\npäästölukemat on esitetty vuoteen 2017 saakka.\n\nTutkimustulokset viittasivat siihen, että suurimmalla osalla vastaajista ei ollut käsitystä tulevien\nvuosien päästömääräyskehityksestä. Suurin osa kyselyyn vastanneista yrityksistä oli sitä mieltä,\nettä tiukentuvat päästömääräykset vaikuttavat heidän toimintaansa, mutta lähes yhtä monella\nyrityksellä ei ollut asiasta tietoa. Silti suurin osa vastaajista oli sitä mieltä, ettei heidän yrityksellään\nole tarvetta jälkiasennettaville suodatinmalleille eivätkä he tarvitse lisätietoa asiasta. Lisätietoja\nhalunneille yrityksille lähetettiin kutsu Helsingin kuljetusmessuille, jossa KesLift Oy esitteli\ntuotteitaan sekä palveluitaan.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.101 | 0.046 |
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".