MétaCan
Menu
Retour à la cohorte
Enregistrement W2997884749

Innovative and Feasible Noise Mitigation Planning

2019· article· en· W2997884749 sur OpenAlexaff
Amir A. Iravani, Lucas Arnold

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensDillon Consulting
Organismes subventionnairesnon disponible
Mots-clésChangeoverNoise (video)UpgradeTimelineNoise controlNoise pollutionEngineeringProcess (computing)Noise barrierPlan (archaeology)Transport engineeringRisk analysis (engineering)Computer scienceBusinessTelecommunicationsNoise reduction
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For industrial sites located near residential areas, noise pollution can be a limiting factor in expanding production. When KFP Inc. wanted to upgrade machinery and increase their annual throughput, they faced challenges dealing with increasing noise levels above acceptable limits at the neighbouring residential community. They needed a solution that would achieve continuous noise shielding, but a permanent noise barrier wall would cost millions of dollars and extend the project timeline. We envisioned a way to arrange for stacks of logs to be used as noise barriers and developed a plan to maintain continuous shielding even as the log inventory is removed for processing. The log wall changeover plan was developed through implementation of parallel walls system. By prototyping this barrier and completing the changeover process with sensors in place, we confirmed that our noise mitigation strategy was successful. This solution demonstrates the value and viability of using available onsite materials to provide noise mitigation and suggests the approach can be applied more widely. With good design, thorough investigation, and creative planning, regulatory compliance and improved noise environment for sensitive receptors in proximity of industrial facilities can be achieved.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,013
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,036
Tête enseignante GPT0,410
Écart entre enseignants0,374 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNoise Effects and ManagementTravaux en français237 207