XiaoMi-AI文件搜索系统
World File Search SystemMaturity
公共电力存储成熟度模型
免责声明：该报告是作为美国政府机构赞助的工作的帐户准备的。美国政府，其任何机构，或其任何雇员均未对任何信息，设备，产品或流程的准确性，完整性或实用性承担任何法律责任或责任，或者承担任何法律责任或责任，或者表示其使用将不会侵犯私人拥有权利。在此引用以商业名称，商标，制造商或其他方式参考任何特定的商业产品，流程或服务。本文所表达的作者的观点和观点不一定陈述或反映美国政府或其任何机构的观点和意见。
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。
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。
CA 行业的技术采用和数字成熟度......
技术创新和数字化正在改变全球的行业和组织。数字成熟度模型通常作为监控数字化进程规定阶段的参考点。然而，人们对（i）如何在特定行业环境中设计和部署数字成熟度模型，以及（ii）数字成熟度与技术采用之间的关联仍然了解甚少。基于现有文献和对行业专家的广泛访谈，我们首先在合格评定行业（一个受全球监管的行业，负责评估组织是否遵守标准和法规）的背景下开发了一个数字成熟度模型。其次，我们实施该模型并对 15 个国家的 1447 个组织进行了调查。我们的研究结果表明，该行业的数字化转型之旅沿着五个成熟度阶段推进（大多数组织处于数字成熟度的早期/中期阶段），每个阶段都有独特的技术和管理实践模式。采用技术（不出所料）与更高的数字成熟度水平相关 - 尽管这种关联不适用于复杂的技术（例如区块链），并且受国家/地区具体情况的影响（以数字技能差距指数衡量）。我们的研究深入了解了在高度监管和保守的机构环境中的数字成熟度和技术采用情况，在这种环境中，高完整性的服务提供是首要的，数字化是组织的次要关注点。
2024数字企业成熟指数报告
“随着人工智能作为许多数字业务中的关键战略倡议的出现，与这些AI支持应用程序背后的基础设施组成部分保持密切关系的重要性比以往任何时候都更为重要。硬件加速度的测量应用以及将模型迅速分配到数据上执行任务的能力可能意味着AI工作负载的成功与失败之间的差异。”
Quantum加密后（PQC）成熟模型 - EN
PQC从业者已经开始致力于打击量子安全威胁。他们了解组织的风险水平，并且已经建立了保护加密的工具。他们将证书合并到单个管理平台上，以优化可见性并控制其所有组织的资产。此外，PQC从业人员已经采取了第一步，为制定全面的策略，不仅可以确保其网络免受当今的量子威胁，而且还可以抵御未来的量子威胁。在这种知识和准备水平上，我们看到组织测试了量子后加密证书的生存能力。
高级分析能力成熟度模型 (A2CM2)
10•对于快速的高级评估 – 从 A2CM2 中总结出来的属性级评分指南可用于快速获取机构或组件的时间点快照•对于快速的高级评估 – 调查工具•对于重复测量 – 自我评估工具，一个支持宏的 Excel 工具，允许组件与 A2CM2 交互并自我评分，只需点击我们的引导模型（内置于 Excel 中）。•A2CM2 自我评估工具可在 ACE 网站上找到
迈向数字供应链的成熟模型
诸如人工智能，云计算或大数据等新兴技术在当今社会的数字化中起着重要作用，还影响了公司及其供应链。但是，相关的挑战不仅限于技术维度，而且还包括组织或管理问题。对于公司而言，很难“掌握”有关其供应链的复杂数字化流程。成熟度模型提供了一个有益的起点来评估当前状态并随后指导进一步的数字化。因此，本文旨在采取在数字供应链领域开发成熟度模型所需的第一个步骤。结果，提出了“数字供应链成熟度模型”（DSCM²）的第一个草稿。模型开发已准确记录，并遵循一种严格的科学方法，以深入文献评论和专家访谈为基础。首先，主题领域分为四个维度，即业务，组织，过程和方法以及技术数字化。第二，细分以及成熟度及其相关的成熟度特征被鉴定并描述。第三，在几个迭代中，从从业者的角度评估了该模型。专家的反馈是积极的，并且实施了微小的变化。但是，模型和提供的在线自我评估工具仍然必须进行更大的评估。尽管有局限性，但这项初步研究可以激发未来的研究，并为持续发展模型的稳定基础。
现在是人工智能（伦理）成熟度模型的时候了
人们似乎普遍认为，当涉及到配备某种人工智能 (AI) 的系统时，道德问题非常重要。各方都提出了道德 AI 的要求。作为回应，近年来，公共机构、政府和大学纷纷提供一套在设计和使用基于 AI 的系统时需要考虑的原则。然而，我们已经了解到，高级原则并不容易转化为对从业人员可行的建议。因此，公司也在发布自己的道德准则来指导他们的 AI 开发。本文认为，AI 软件仍然是软件，需要从软件开发的角度来处理。软件工程范式引入了成熟度模型思维，为公司从被称为关键能力的选定观点提高绩效提供了路线图。我们希望呼吁采取行动，开发人工智能软件的成熟度模型。我们希望讨论是否应该关注人工智能伦理，或者更广泛地说，关注人工智能系统的质量，即人工智能系统开发的成熟度模型。
机器学习和人工智能的成熟度评估
Contino 是一家专业服务公司，通过采用数据平台、数据科学企业 DevSecOps 和云原生计算，帮助组织实现可衡量的转型。我们帮助客户构建自己的创新引擎，使他们能够更快、更高效地提供更好的解决方案，作为其数字化转型目标的一部分，并减少对外部提供商的依赖。我们与所有客户采用双重交付和技能提升方法。这意味着，除了帮助您完成最具战略性的项目外，我们还将专注于技能转移和提高您自己的数据管理和利用、云、DevSecOps 和相关最佳实践（如 CI/CD、自动化和微服务的采用）的能力。