MétaCan
Menu
Retour à la cohorte
Enregistrement W2560798374 · doi:10.1115/detc2016-59974

Need for Optimization Under Uncertainty: Designing Flow Exchanges in Eco-Industrial Parks

2016· article· en· W2560798374 sur OpenAlexaff
Hamid Afshari, Romain Farel, Qingjin Peng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Industrial Ecology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésIndustrial symbiosisProcess (computing)Industrial ecologyComputer scienceProduct (mathematics)Environmental economicsProduction (economics)Set (abstract data type)Industrial engineeringRisk analysis (engineering)Biochemical engineeringBusinessEngineeringSustainabilityEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Eco-Industrial Parks (EIPs) and Industrial Symbioses (IS) have provided several cost-effective and environmental friendly solutions for the economic growth of countries. The need for excessive materials, water and energy can be reduced by exchanging wastes, by-products and energy among different clusters of industries, which is the fundamental goal of establishing synergies among industries. Symbioses design looks for the best set of connections among industries to satisfy defined objectives. However, there are not enough data to support the design of a new EIP for some industries. The existing research contains multiple objective optimization methods, but lacks details in the real industrial world to consider comprehensive criteria in design of flow exchanges due to the large cost and long establishment time for those synergies. This paper presents a multi-objective model to decide the best network of industries for several exchanges among them. The model helps minimizing costs for multiple product exchanges while considering environmental impacts to be reduced. Moreover, this paper investigates uncertainties affecting synergies within EIPs by incorporating in a modeling process. The presented models are validated through optimizing symbioses in an EIP. The efficiency of single and multiple objective models is analyzed for effects of the selected uncertainties. Future research directions are also discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil0,634

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,236
Écart entre enseignants0,199 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSustainable Industrial EcologyTravaux en français237 207