XiaoMi-AI文件搜索系统
World File Search SystemZaki
MOKHTAR，Ahmad Rais，ANINDITA，Muhammad 和 SUHAIMI，Zakiah Syamra'（2023 年）。利用供应链领导力实现动态能力和组织
摘要 组织韧性已被认为是发展可持续供应链的关键因素之一。迄今为止，现有研究讨论了动态能力在增强组织韧性方面的作用，特别是在开发和重新配置内部和外部资源以应对不断变化的商业环境方面。不幸的是，很少有人关注采购公司的领导力（或供应链领导力）对动态能力和组织韧性之间现有关系的影响。由于公司的业绩对其整个供应网络（包括上游和下游方向）有重大影响，因此提高组织韧性的责任可以扩展到采购公司或焦点公司，特别是在疫情等前所未有的时期。本研究旨在提出一个概念框架来研究动态能力和组织韧性的影响。总体而言，本研究表明动态能力（适应性、吸收性和创新性）对组织韧性有重大影响。此外，本研究还提出，供应链领导力调节动态能力（适应能力、吸收能力和创新能力）与组织弹性之间的关系。本研究有望促进关于加深对供应链领导力及其对动态能力和组织弹性影响的理解的必要性的讨论。本研究通过解决供应链领导力、动态能力和组织弹性领域之间的差距，为现有文献做出了贡献。
1。Elawad，Mamoun，Suad Zaki Hamed Alyousef，Njoud ... div>
Muzzammel Rehman，Islam M. Abdel-Rahman，Azza AK El-Sheikh和Mahmoud M. Abdelhamid。“探索对Zaire Ebolavirus蛋白24（V24）的Galidesivir类似物的治疗潜力（V24）：数据库筛选，分子对接，与药物相关的性质评估和分子动力学模拟。”生物分子结构与动力学杂志（2023）：1-11。26。
已发布版本的引用 (APA)：Vernooij, M. W., Zaki, L. A. M., Smits, M., Tolman, C., Papma, J. M., Visser, J. J., & Steketee, R. M. E. (2022)。比较两种人工智能软件包在记忆临床成像中的规范性脑容量测定。神经放射学，64 (7)，1359-1366。 https://doi.org/10.1007/s00234-022-02898-w EUR 研究信息门户上的出版物链接
摘要 目的 比较两个执行规范性脑容量分析的人工智能软件包，并探索它们是否会在临床背景下对痴呆症诊断产生不同的影响。方法 回顾性地纳入了 60 名患者（20 名阿尔茨海默病、20 名额颞叶痴呆、20 名轻度认知障碍）和 20 名对照。每个受试者使用两家专有制造商的软件包处理一次 MRI，为每个受试者生成两份定量报告。两名神经放射科医生仅使用这些报告中的规范容量分析数据分配强制选择诊断。他们将体积分布分类为“正常”或“异常”，如果“异常”，他们会指定最可能的痴呆亚型。通过比较（1）基于软件输出的诊断之间的一致性；（2）诊断准确性、敏感性和特异性；来评估软件包之间的临床影响差异；和 (3) 诊断信心。还比较了定量输出，以提供任何诊断差异的背景。结果 软件包之间的诊断一致性为中等，用于区分正常和异常体积（K = .41– .43）和特定诊断（K = .36–.38）。但是，每个软件包在区分正常和异常概况时都产生了较高的观察者间一致性（K = .73–.82）。软件包之间的准确度、灵敏度和特异性没有差异。对于一个评估者来说，不同软件包之间的诊断信心是不同的。软件包之间的全脑颅内容积输出不同（10.73%，p < .001），用于诊断的规范区域数据相关性弱至中等（r s = .12–.80）。结论 用于脑 MRI 定量规范评估的不同人工智能软件包可以在临床解释层面产生不同的效果。诊所不应假设不同的软件包可以互换，因此建议在采用之前对软件包进行内部评估。
已发布版本的引用：Mitchell, D, Blanche, J, Zaki, O, Roe, J, Kong, L, Harper, S, Robu, V, Lim, T & Flynn, D 2021, “海上风电场中安全且有弹性的自主机器人的共生系统设计”，IEEE Access，第 9 卷，第 141421-141452 页。 https://doi.org/10.1109/ACCESS.2021.3117727
摘要 为了减少海上风电场的运营和维护 (O&M) 支出（其中 80% 的成本与部署人员有关），海上风电行业希望通过机器人和人工智能 (RAI) 的进步来寻求解决方案。由于在动态环境中处理已知和未知风险的复杂性，住宅超视距 (BVLOS) 自主服务的障碍包括运行时安全合规性、可靠性和弹性方面的运营挑战。在本文中，我们采用了共生系统方法 (SSOSA)，该方法使用共生数字架构 (SDA) 来提供支持技术的网络物理编排。实施 SSOSA 可以实现合作、协作和确证 (C 3 )，以解决自主任务期间的安全性、可靠性和弹性的运行时验证。我们的 SDA 提供了一种同步机器人、环境和基础设施的分布式数字模型的方法。通过 SDA 的协调双向通信网络，远程操作员可以提高对任务概况的可见性和理解。我们在受限操作环境中的资产检查任务中评估了我们的 SSOSA。展示了我们的 SSOSA 克服安全性、可靠性和弹性挑战的能力。SDA 支持生命周期学习和共同进化，并在互连系统之间共享知识。我们的结果评估了可能危及自主任务的突发和渐进故障以及未知事件。使用分布式和协调决策，SSOSA 增强了对任务状态的分析，其中包括对驻留机器人内关键子系统的诊断。此次评估表明，SSOSA 为 BVLOS 自主任务提供了增强的运行时操作弹性和安全合规性。SSOSA 有可能成为一种高度可转移到其他任务场景和技术的方法，为实现可扩展的自主服务提供了途径。