MétaCan
Menu
Back to cohort
Record W7055611909

Développement d'une méthodologie systématique de conception des cours à bois

2020· other· fr· W7055611909 on OpenAlexaboutno aff

Bibliographic record

VenueCorpus Université Laval (Université Laval) · 2020
Typeother
Languagefr
FieldPhysics and Astronomy
TopicAdvanced Frequency and Time Standards
Canadian institutionsnot available
Fundersnot available
KeywordsSharecroppingStatistical analysisNatural logarithm
DOInot available

Abstract

fetched live from OpenAlex

Les cours à bois jouent un rôle essentiel dans le bon fonctionnement de la chaîne d'approvisionnement forestier. La performance des opérations d'une cour est étroitement liée à sa conception. Le problème de conception des cours à bois a attiré peu d’attention dans le milieu scientifique bien que les recherches provenant d’autres secteurs industriels aient démontré l’importance stratégique des entrepôts sur les activités et la rentabilité économique des entreprises. Par conséquent, il existe un besoin de recherche dans cet environnement complexe pour la création d’une approche systématique visant à concevoir des cours à bois performantes en tenant compte de leurs conditions opérationnelles. Cette thèse vise à développer une méthodologie systématique de conception des cours à bois afin d’accroitre la performance de la chaîne d’approvisionnement forestier. Dans un premier temps, les pratiques actuelles de conception, de gestion et d’opérations réalisées dans les cours à bois ont été documentées. Des données détaillées sur la superficie, l’approvisionnement, les ressources humaines et machines, la gestion des inventaires et la performance ont été collectées au moyen de questionnaires personnalisés auprès de 38 des plus grandes usines de sciage SEPM au Québec. Ces données ont été complétées et clarifiées par des visites de sites et des entrevues avec les gestionnaires des cours à bois. Les résultats ont confirmé le besoin d’un guide de conception dans le milieu pratique et ont démontré une hétérogénéité des conditions opérationnelles des cours à bois. Une analyse des données obtenues nous a permis d’identifier les inhibiteurs de leur gestion et des opérations (saisonnalité de l’approvisionnement, forme de la cour, revêtement en terre battue). Par la suite, les données du sondage ont servi à comparer l’efficience technique des cours à bois et de leurs opérations. Une approche Data Envelopment Analysis (DEA) a permis d’identifier des sources d’inefficience en utilisant la superficie, le nombre de machines et le nombre d’employés en intrants, ainsi que le volume annuel en extrant au modèle. La moyenne d’efficience technique des cours sondées est de 62 % sous hypothèse de rendements d’échelle constants et de 81 % sous hypothèse de rendements d’échelle variables. L’inefficience des cours à bois est liée au rendement d’échelle (23 %) et à la consommation de ressources (19 %). Les résultats d’efficience ont été comparés au contexte opérationnel de la cour représentée par : le nombre de tris, la forme de la cour et la saisonnalité d’approvisionnement. Cette analyse a permis d’identifier deux pratiques (vieil équipement et revêtement en terre battue) qui influencent le plus la performance des cours à bois en tenant compte de leur contexte opérationnel. Finalement, une approche prenant en compte la saisonnalité de l’approvisionnement forestier dans les démarches de conception des cours à bois a été proposée. Cette approche bonifie la méthode de conception statique développée par Hampton dans les années 1980. La bonification permet d’adapter la conception de la cour aux conditions saisonnières d’approvisionnement en déterminant les saisons d’opérations et en intégrant des décisions flexibles de conception (capacité supplémentaire, ressources additionnelles, ressources flexibles). La démarche d’évaluation de la performance des scénarios proposés a également été bonifiée par l’application de la simulation à évènements discrets. L’applicabilité de la méthode est démontrée à l’aide d’un cas d’une cour existante dans la province de Québec au Canada.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.902
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0050.000

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.

Opus teacher head0.021
GPT teacher head0.240
Teacher spread0.220 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueCorpus Université Laval (Université Laval)Same topicAdvanced Frequency and Time StandardsFrench-language works237,207