Varastotyön tekeminen automatisoidussa elintarvikevarastossa
Bibliographic record
Abstract
Tavoitteeni tässä opinnäytetyössä oli suunnitella toteutussuunnitelma siitä, miten palvelulogistiikan ammattitutkinnon valinnainen tutkinnonosa, varastotyön tekeminen automatisoidussa varastossa, tullaan suorittamaan tilaajayrityksen automatisoidussa elintarvikevarastossa näyttötutkintona.\n\nOpetushallitus on yhdessä logistiikka-alan yritysten ja Vantaan ammattioppilaitos Varian kanssa suunnitelleet tutkinnon perusteet tälle tutkinnonosalle. Tehtäväni on opinnäytetyössäni teemahaastatteluilla ja kyselyillä saada selvyys siitä, miten työtä automatisoidussa elintarvikevarastossa tehdään.\n\nHaastateltavat valittiin huolella ja kysely lähetettiin kaikille tilaajayrityksen työntekijöille, jotka ovat varastoautomaation kanssa tekemisissä työssään. Tulosten perusteella sain selkeän kuvan siitä, mitä työntekijät tekevät työssään. Peilasin konkreettista työntekoa ammattitaitovaatimuksiin, joita tutkinnonosan suorittamisessa vaaditaan. \n\nOlen tuonut opinnäytetyössäni esille mikä on ammatillinen koulutus ja näyttötutkinto, miten elintarvikkeita varastoidaan automatisoidussa varastossa sekä mitä varastoautomaatiolla tarkoitetaan. Arvontuottoa asiakkaalle olen pohtinut mm. SWOT -analyysin muodossa.\n\nTämä tutkimus osoitti mitä työtehtäviä opiskelijan tulee opiskella ja mitä tehtäviä hänen tulee suorittaa automatisoidussa elintarvikevarastossa, ketkä ovat sidosryhmiä ja miten turvallisuus otetaan huomioon opiskelussa. Fyysisesti raskasta työtä on vähän, mutta työtehtävät vaativat paljon ongelmatilanteisiin puuttumista ja niiden ratkaisemista.
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 | 0.000 | 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 | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.006 |
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".