MétaCan
Menu
Retour à la cohorte
Enregistrement W2161199183 · doi:10.1108/bij-09-2014-0092

A benchmark-based method for sustainable product design

2015· article· en· W2161199183 sur OpenAlexaff
Arash Hosseinpour, Qingjin Peng, Peihua Gu

Notice bibliographique

RevueBenchmarking An International Journal · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingQuality function deploymentSustainable designBenchmark (surveying)Product designProduct (mathematics)Computer scienceNew product developmentManufacturing engineeringSystems engineeringProduct lifecycleHouse of QualitySustainable ValueProduct design specificationProcess managementEngineeringSustainabilityBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

Purpose – The purpose of this paper is to develop an effective approach to decide design details using benchmarking to capture the existing practice in sustainable design. Design/methodology/approach – This paper reports a systematic method for sustainable product design. The method uses benchmarks as references searching for design details to achieve sustainable solutions. Quality function deployment is used to guide the search process for competitive products using benchmarking to meet quantitative targets of product and to increase knowledge for sustainable design. Findings – The proposed method can meet both functional and sustainable requirements of product design. 18.55 percent reduction in carbon equivalent emissions is achieved compared to benchmarks in wheelchair design. The research reveals that when weight, material and number of components used in product decrease, environmental footprints and cost of the product improve. Originality/value – The research improves the existing method of sustainable product design. Both sustainable requirements and functional demands of product are identified from qualitative criteria to quantitative metrics using benchmarking and the life cycle assessment.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,049
Tête enseignante GPT0,314
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBenchmarking An International JournalMême sujetSustainable Supply Chain ManagementTravaux en français237 207