Raskas sähkö- ja vetykäyttöinen kuljetuskalusto Puolustusvoimien logistiikkajärjestelmässä
Bibliographic record
Abstract
Energiamurroksen myötä Suomen ajoneuvokannan halutaan tulevaisuudessa siirtyvän pois fossiilisten polttoaineiden käytöstä. Koska Puolustusvoimat on vahvasti sidoksissa muuhun Suomen yhteiskuntaan, tulee muutos vaikuttamaan myös Puolustusvoimiin. Etenkin Puolustusvoimien logistiikkajärjestelmä on sekä normaalioloissa että poikkeusoloissa vahvasti sitoutunut yhteistyöhön yritysten ja elinkeinoelämän välillä. \n \nPuolustusvoimien omassa tutkimus- ja kehittämistoiminnassa (T&K) on ryhdytty tutkimaan energiamurroksen vaikutuksia sen eri ydintoimintoihin. Merkittävä osa Puolustusvoimien aiheuttamista päästöistä aiheutuu ajoneuvoista, minkä johdosta uusiutuvia polttoaineita hyödyntävien ajoneuvojen soveltuvuutta \nsotavarustemateriaaliksi on viime vuosina tutkittu paljon. Tutkimuksissa ei ole kuitenkaan ollut painopisteenä siviilikomponentin käyttämä ajoneuvokalusto. Tämän vuoksi Puolustusvoimien logistiikkalaitoksen \nesikunta tilasi tutkimuksen, jossa tarkastellaan uusiutuvien polttoaineiden käyttöä logistiikkajärjestelmän siviilikomponentissa. Koska T&K:ssa on jo tutkimusaineistoa esimerkiksi uusiutuvan dieselin hyödyntämisestä siviili- ja sotavarusteajoneuvoissa, valittiin tarkasteltaviksi käyttövoimavaihtoehdoiksi vähemmän tutkitut \nsähkö ja vety. Tutkimuksessa pyrittiin selvittämään vaihtoehtoisia energiamuotoja käyttävän kuorma-autokaluston soveltuvuutta logistiikkajärjestelmän siviilikomponentin kuljetusten toteuttamiseen. \n \nTutkimuksessa tutkittiin yleisellä tasolla sähkö- ja polttokennokuorma-autoja ja verrattiin niitä käytössä oleviin polttomoottorikuorma-autoihin. Tutkimusongelmaan vastaamiseksi kartoitettiin myös nykyistä tilannetta siitä, kuinka paljon kuljetusala Suomessa käyttää sähkö- tai vetykäyttöisiä kuorma-autoja. Tutkimus toteutettiin yhdistelemällä laadullisia ja määrällisiä tutkimusmenetelmiä. Eroja ajoneuvotyyppien välillä pyrittiin selvittämään vertailulla ja vertailun tausta-aineiston keräämiseksi käytettiin kirjallisuuskatsausta. Vertailu toteutettiin käyttämällä Multi-Criteria Decision Analysis -työkalua ja vertailukohteiksi valittiin yksi tyypillinen malli kustakin käyttövoimavaihtoehdosta. \n \nTutkimuksen perusteella sähköiset kuorma-autoyhdistelmät eivät nykytilanteessa sovellu tarkasteltuihin käyttötarkoituksiin. Niiden kantamat ovat liian lyhyitä useamman kuljetuksen toteutukseen ja kylmät olosuhteet vaikuttavat liikaa niiden toimintaan. Polttokennoajoneuvot sopisivat ominaisuuksiensa puolesta kuljetusten toteutukseen, mutta sekä ajoneuvojen että niiden tankkausinfrastruktuurin puute estää vielä toistaiseksi niiden käytön.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.062 | 0.023 |
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".