Fugu-MT 論文翻訳(概要): Industry 4.0: Challenges and success factors for adopting digital technologies in airports

論文の概要: Industry 4.0: Challenges and success factors for adopting digital technologies in airports

arxiv url: http://arxiv.org/abs/2112.14574v1
Date: Wed, 29 Dec 2021 14:31:10 GMT
ステータス: 処理完了
システム内更新日: 2023-03-02 23:26:15.827883
Title: Industry 4.0: Challenges and success factors for adopting digital technologies in airports
Title（参考訳）: 産業 4.0 空港におけるデジタル技術導入の課題と成功要因
Authors: Jia Hao Tan and Tariq Masood
Abstract要約: 本研究は,空港における産業4.0技術の導入において空港事業者が直面する課題を理解するための第一歩である。その結果、産業用4.0技術は空港でも同様に実施されなかったことが判明した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With the advent of Industry 4.0 technologies in the last decade, airports have undergone digitalisation to capitalise on the purported benefits of these technologies such as improved operational efficiency and passenger experience. The ongoing COVID-19 pandemic with emergence of its variants (e.g. Delta, Omicron) has exacerbated the need for airports to adopt new technologies such as contactless and robotic technologies to facilitate travel during this pandemic. However, there is limited knowledge of recent challenges and success factors for adoption of digital technologies in airports. Therefore, through an industry survey of airport operators and managers around the world (n=102, 0.754<Composite Reliability<0.892; conducted during COVID-19), this study identifies the challenges faced in adopting Industry 4.0 technologies (n=20) as well as enhances understanding of best practices or success factors that supported technology adoption in airports. The widely used technology, organisation, environment (TOE) framework is used as a theoretically basis for the quantitative part of the questionnaire. A complementary qualitative part is used to underpin and extend the findings. The industry survey is the first-of-its-kind that was conducted to understand the implementation challenges that airport operators face in adopting Industry 4.0 technologies in the airport. The survey results have shown that that the Industry 4.0 technologies were not implemented to a similar extent in airports despite the generic challenges that were faced in adopting the various Industry 4.0 technologies in the airport.
Abstract（参考訳）: 過去10年間に産業用4.0技術が出現し、空港は運用効率の向上や乗客体験の向上など、これらの技術の恩恵に乗じてデジタル化が進んでいる。新型コロナウイルス(COVID-19)のパンデミックが進行中で、デルタ、オミクロンなどの変種が出現し、空港がこのパンデミックの間、旅行を促進するために接触なしやロボット技術といった新しい技術を採用する必要性が増している。しかし,近年の空港におけるデジタル技術導入の課題や成功要因は限られている。したがって、世界中の空港事業者や管理者の業界調査(n=102, 0.754<Composite Reliability<0.892)を通じて、産業4.0技術(n=20)を採用する上で直面する課題を明らかにし、空港における技術導入を支えるベストプラクティスや成功要因の理解を深める。広範に使用されている技術,組織,環境(TOE)フレームワークは,質問紙の量的部分の理論的基盤として使用される。相補的な定性的部分は、その発見を支え、拡張するために用いられる。産業調査は、空港事業者が空港で産業4.0技術を採用する際に直面する課題を理解するために実施された最初の事例である。調査の結果、空港で様々な産業4.0技術を採用する際の一般的な課題にもかかわらず、産業4.0技術は空港内でも同様に実施されなかったことが示されている。

関連論文リスト

The RoboDrive Challenge: Drive Anytime Anywhere in Any Condition [136.32656319458158]
2024年のRoboDrive Challengeは、駆動認識技術の発展を促進するために作られた。今年の挑戦は5つの異なるトラックで構成され、11カ国の93の機関から140の登録チームが集まった。競争は15の最高パフォーマンスのソリューションで頂点に達した。
論文参考訳（メタデータ） (2024-05-14T17:59:57Z)
When Industry meets Trustworthy AI: A Systematic Review of AI for Industry 5.0 [0.0]
私たちは、業界が進化する現在のパラダイムを分析し、より持続的で信頼できるものにすることに重点を置いています。産業5.0では、人工知能(AI)が持続可能な、人間中心でレジリエントな視点からサービスを構築するために使用される。
論文参考訳（メタデータ） (2024-03-05T15:49:33Z)
Metaverse for Industry 5.0 in NextG Communications: Potential Applications and Future Challenges [10.223925060789641]
本研究は,産業用5.0(いわゆる産業用5.0)におけるメタバースの適用性について概説する。具体的には,まず,産業メタバースと産業5.0の先駆けとして,産業メタバースの重要な実現技術について議論する。この研究はその後、社会5.0、農業、サプライチェーン管理、医療、教育、輸送といった産業5.0の垂直領域における多様なメタバース応用を探求する。
論文参考訳（メタデータ） (2023-07-31T07:21:36Z)
Digital Twins in Wind Energy: Emerging Technologies and Industry-Informed Future Directions [75.81393574964038]
本稿では、風力エネルギー産業におけるデジタルツイン技術とその能力レベルについて概観する。デジタルツインの定義と能力レベルを0-5; 0-スタンドアロン、1-記述型、2-診断型、3-予測型、4-予測型、5-自律型から統合する。
論文参考訳（メタデータ） (2023-04-16T18:38:28Z)
Towards a Taxonomy of Industrial Challenges and Enabling Technologies in Industry 4.0 [0.0]
本稿では、技術・企業分野に適用された人文的・工学的手法の混在したアプローチを提案する。研究結果は、産業上の課題とI4.0に焦点を当てた技術が分類され、接続される分類学によって表される。この分類法は、産業従事者が工業挑戦の候補ソリューションを特定できる公共ウェブプラットフォームの構築の基礎となった。
論文参考訳（メタデータ） (2022-11-29T19:52:36Z)
Augmented reality applications in manufacturing and its future scope in Industry 4.0 [0.0]
拡張現実(Augmented reality)技術は、Industrial 4.0の文脈における主要な技術の1つである。本研究は、産業用拡張現実の歴史を批判的にレビューしながら、産業用4.0における拡張現実の影響を実証するものである。本稿では,本技術の応用分野と生産条件の改善への影響について考察する。
論文参考訳（メタデータ） (2021-12-03T20:46:50Z)
Mapping Industry 4.0 Technologies: From Cyber-Physical Systems to Artificial Intelligence [0.0]
第4次産業革命は、製造業の世界を急速に変えつつある。これらの概念の明確な定義はまだ存在しない。この研究は、技術動向とギャップの明確な説明を提供する。
論文参考訳（メタデータ） (2021-11-28T15:13:05Z)
Data-Driven Aerospace Engineering: Reframing the Industry with Machine Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文参考訳（メタデータ） (2020-08-24T22:40:26Z)
Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文参考訳（メタデータ） (2020-05-09T13:53:01Z)
Beyond privacy regulations: an ethical approach to data usage in transportation [64.86110095869176]
本稿では,フェデレート機械学習を交通分野に適用する方法について述べる。フェデレートラーニングは、ユーザのプライバシを尊重しつつ、プライバシに敏感なデータを処理可能にする方法だと考えています。
論文参考訳（メタデータ） (2020-04-01T15:10:12Z)
Deep Technology Tracing for High-tech Companies [67.86308971806322]
我々は、各ハイテク企業にカスタマイズされた最も可能な技術方向を自動的に見つけるために、新しいデータ駆動ソリューション、すなわちDeep Technology Forecasting(DTF)フレームワークを開発する。 DTFは、潜在的な競合認識(PCR)、協調技術認識(CTR)、Deep Technology Tracing(DTT)ニューラルネットワークの3つのコンポーネントで構成されている。
論文参考訳（メタデータ） (2020-01-02T07:44:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。