XiaoMi-AI文件搜索系统
World File Search System成熟度
人工智能成熟度的艺术：从实践到表现
不仅在数据和人工智能方面，而且在组织战略、人才和文化方面，从而为公司带来强大的竞争优势。（有关关键能力描述，请参阅第 36 页和第 37 页。）这包括与竞争对手保持同步所需的基础人工智能能力，如云平台和工具、数据平台、架构和治理。它还包括“差异化”人工智能能力，如人工智能战略和高管支持，以及可以让公司脱颖而出的创新文化。
成熟度模型作为循环经济转型的驱动力
摘要：制造企业向循环经济的转变为广泛的工业变革奠定了基础。这种变化不仅仅是当前业务的延续，相反，它提出了有关思维方式、运营模式和业务基础的多个问题。由于这种转变具有多面性，制造企业对于如何应对这种转变感到不确定。一些人认为，成熟度模型是评估和指导制造企业处理复杂而多面议程（如循环经济 (CE)）的工具。成熟度模型以呈现所需发展路径的形式提供支架，制造企业可以从中定义合理且理想的参与循环经济的计划。本研究采用累积能力视角来开发 CE 成熟度参考模型，该模型通过注意六个组织维度中的六个离散成熟度级别来解释循环转型：价值创造、治理、人员和技能、供应链和合作伙伴关系、运营和技术以及产品和材料。循环成熟度的进展由专业知识原则和系统视角来解释。跨维度、跨层次的CE转型阐释，为组织提供了一个边界对象，即从组织当前发展区域向组织近期发展区域的移动支架。
缩小混凝土成熟度监测之间的差距
两个领域之间的数据：i）完全非线性和时间相关的结构分析模型中的模拟，以及 ii）来自施工现场的混凝土成熟度监测数据。该连接使信息构造能够被理解，以便在施工阶段将其用于建筑物的数字孪生中。管道需要现场（施工）和结构控制办公室的利益相关者之间的全面协调，这是具有挑战性的。管道包括 a) 温度传感器，b) 通过蓝牙连接到传感器的移动应用程序，其中包含数据收集器的基本说明，c) BIM 的集成和互操作性，以及 d) 高级有限元 (FE) 模型。通过多日测量混凝土温度，可以推断出真实的混凝土力学性能，并使用适当的校准将其注入 FE 模型中。确定了两种用于改进施工活动的应用。模板敲击和肌腱应力。本文描述了在西班牙巴塞罗那建造现浇混凝土建筑的所有连接的试验台。
人工智能管理：基于人工智能成熟度原则开发框架 Philipp Fukas 1,2,3
摘要 必须系统地管理和协调人工智能 (AI) 的使用，以最佳方式支持企业目标并使 AI 为组织创造附加值。这对传统的信息技术 (IT) 管理提出了新的挑战。尽管存在将 AI 作为传统 IT 管理的延伸进行管理的初步方法，但 AI 的管理仍处于起步阶段。因此，我们的研究目标是开发一个综合管理框架，将 AI 成熟度模型研究的见解与总体 AI 管理视角相结合。在多方法和面向设计科学的研究过程中，开发和评估了结合了两种先前模型的 AI 成熟度模型、AI 管理元模型和基于 Web 的 AI 成熟度评估和管理工具。此外，还进行了几项规模较小的研究，以展示如何根据综合 AI 管理框架的不同维度来管理基于 AI 的信息系统。 关键词 1 人工智能、机器学习、成熟度模型、信息技术管理、设计科学研究
从文献计量模式检测技术成熟度
摘要 对于行业和政府的决策者来说，根据易于获取的开源指标（例如出版物）识别新兴技术的能力非常重要。这项工作的科学贡献是提出了一种基于出版物数量检测新兴技术成熟度的机器学习方法。出版物数量的时间序列具有区分新兴技术和成长技术的普遍特征。我们根据这些特征训练了一个人工神经网络分类器（一种监督式机器学习算法），以预测任意技术的成熟度（新兴技术与成长技术）。通过由 22 种技术组成的训练集，我们对 6 种测试技术获得了 58.3% 到 100% 的分类准确率，平均准确率为 84.6%。为了提高分类器性能，我们用合成的时间序列技术生命周期曲线扩充了训练语料库，这些曲线是通过计算原始训练集中曲线的加权平均值形成的。在合成数据集上训练分类器可提高准确率，范围从 83.3% 到 100%，测试技术的平均准确率为 90.4%。我们的分类器的性能超过了文献中竞争的机器学习方法，后者报告的平均分类准确率最高仅为 85.7%。此外，与当前方法相比，我们的方法不需要专业知识来生成训练标签，并且可以自动化和扩展。