Outil d'aide à la gestion des interventions sur les barrages en béton
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
La gestion des interventions sur les ouvrages en béton, publics et privés, n’est pas toujours optimale. Ceci est dû à l’absence d’un protocole complet capable de guider de manière homogène les ingénieurs dans leurs choix relatifs à la priorité ainsi qu’aux types de travaux à effectuer sur leurs ouvrages. Ce manque d’assistance décisionnelle se traduit par des interventions qui ne sont pas toujours optimales en termes de coûts et de durabilité.\nCe mémoire présente la méthodologie développée en collaboration avec les ingénieurs d’Hydro-Québec dans le but d’uniformiser, rationaliser et intégrer dans un outil de gestion les différentes étapes requises pour réussir des interventions optimales et de qualité.\nTrois activités sont essentielles afin de systématiser l’approche de réfection ou d’entretien sur les ouvrages en béton: le diagnostic des dégradations, l’évaluation de la pertinence des interventions et le choix des méthodes et produits de réfection appropriés. Après avoir fait une revue de documentation exhaustive afin de bien cerner le problème, les chapitres de ce mémoire décrivent successivement les approches retenues pour chaque activité en vue d’orienter efficacement les ingénieurs dans la gestion de leurs infrastructures.\nPlus précisément, un outil informatique a été développé de manière à incorporer les méthodes qui résultent de ce projet de recherche. Un logiciel de ce genre est essentiel, puisqu’en plus de simplifier l’utilisation à grande échelle des divers outils d’évaluation développés, il permet d’uniformiser les méthodologies de travail à l’intérieur d’une organisation de grande taille comme Hydro-Québec.\n
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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