MétaCan
Menu
Retour à la cohorte
Enregistrement W3216036743 · doi:10.1088/1742-6596/2042/1/012130

A review of common human errors in design, installation, and operation of multiple-zone VAV AHU systems

2021· review· en· W3216036743 sur OpenAlexaff
Narges Torabi, H. Burak Gunay, William O’Brien

Notice bibliographique

RevueJournal of Physics Conference Series · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésHVACVariable air volumeAir conditioningAutomotive engineeringEngineeringThermal comfortFault (geology)Ventilation (architecture)Fault detection and isolationActuatorReliability engineeringMechanical engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Faults in air-based heating, ventilation, and air conditioning (HVAC) systems lead to energy waste and discomfort. While the emphasis of fault detection and diagnostic (FDD) research has been on hard faults in actuators, sensors, and equipment, faults arising from human errors account for a significant portion of faults occurring in HVAC systems. In this paper, human errors occurring in air handling units (AHUs) and variable air volume (VAV) thermal zones during design, construction, and operation phases are identified through a review of the literature. Then, the faults are divided into six main categories. Based on case studies investigating these faults, the impact of each fault category on occupant comfort, energy consumption, and equipment life is discussed. The authors provide recommendations to minimize human errors in AHUs and VAV zones throughout the building life cycle.

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: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil0,662

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,063
Tête enseignante GPT0,295
Écart entre enseignants0,232 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207