MétaCan
Menu
Retour à la cohorte
Enregistrement W2807898560 · doi:10.1177/1744259118780133

A systematic methodology for design of retrofit actions with longevity

2018· article· en· W2807898560 sur OpenAlexaff
Martin Morelli, Michael Lacasse

Notice bibliographique

RevueJournal of Building Physics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésDurabilityFailure mode and effects analysisReliability engineeringMasonryEngineeringIdentification (biology)Computer scienceRisk analysis (engineering)Construction engineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

This article presents a method for the design of retrofit actions with focus on energy savings that permits a systematic and thorough assessment of potential failures, anticipated maintenance and the expected durability of the retrofit actions. The proposed method combines the use of failure mode and effect analysis (FMEA) to permit identifying likely failure modes from which maintenance actions could be planned and the limit states (LS) method to assess the durability of the given retrofit action. One case study was completed to illustrate the application of: (1) the FMEA and LS method and (2) the proposed method for a retrofit action of an internal insulated solid wall of masonry bonded with lightweight aggregate concrete and floor division of concrete. It was evident that FMEA is useful regarding failure-mode identification and maintenance planning, and the LS method has its strength in durability assessment. Combining the use of both the FMEA and LS methods allowed improved design of new energy-saving retrofit actions, given that a thorough risk assessment was possible that included a decision-making process on maintenance planning, durability assessment and decision on potential redesign of retrofit actions.

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)0,010
score de la tête « metaresearch » (Gemma)0,018
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,018
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,096
Tête enseignante GPT0,333
Écart entre enseignants0,237 · 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
GenreMéthodes

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

En bref

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Building PhysicsMême sujetSustainable Building Design and AssessmentTravaux en français237 207