MétaCan
Menu
Retour à la cohorte
Enregistrement W2997177253 · doi:10.1016/j.ifacol.2019.11.540

Integrating Electric Energy Cost in Lumber Production Planning

2019· article· en· W2997177253 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIFAC-PapersOnLine · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy Efficiency and Management
Établissements canadiensHydro-QuébecUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésProfitability indexEnergy consumptionContext (archaeology)ElectricityEnergy planningProduction (economics)Production planningProcess (computing)Energy accountingConsumption (sociology)Electric potential energyEnergy (signal processing)Environmental economicsComputer scienceEngineeringIndustrial engineeringRenewable energyBusinessEconomicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The arrival of digital technology in production systems represents a major challenge for manufacturers. The "4.0 Industrial Revolution" is pushing companies to review these same systems in order to develop decision-making tools that contribute to better capture any relevant opportunities while increasing profitability. In this context, this article shows a tactical planning model, specially developed for the lumber industry, integrating the electric energy cost in the decision process in order to minimize electric energy consumption. The model calculates the energy consumption based on equipment nominal power, the time at which the equipment is used, and a certain load factor. It also includes the energy used to heat or cool workspaces. Using real data from a North American sawmill collected from August 2017 to July 2018, the model showed that with a load factor calculated for each month and a good approximation of the heating energy consumed, the total energy consumption calculated is close to the one billed by the electricity supplier. Hence, the tactical planning tool could now be exploited by any sawmill aiming to integrate energy cost as a decision variable in its production planning.

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 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: Empirique
Score de désaccord entre enseignants0,380
Score d'incertitude au seuil0,807

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,244
Écart entre enseignants0,234 · 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