MétaCan
Menu
Retour à la cohorte
Enregistrement W4287391917 · doi:10.5281/zenodo.5115842

The Effect of Yarding Technique on Yarding Productivity and Cost: Conventional Single-Hitch Suspension vs. Horizontal Double-Hitch Suspension

2021· article· en· W4287391917 sur OpenAlexaff
Raffaele Spinelli, Natascia Magagnotti, Giulio Cosola, Eric R. Labelle, Rien Visser, Gernot Erber

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensUniversité Laval
Organismes subventionnairesEuropean Commission
Mots-clésSuspension (topology)ProductivityMaterials scienceMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

Cable yarding is a well establish technology for the extraction of timber in steep terrain. How<br> ever, it is encumbered with relatively low productivity and high costs, and as such this technol<br> ogy needs to adapt and progress to remain viable. The development of biomass as a valuable<br> byproduct, and the availability of processors to support yarder operations, lend themselves to<br> increasing the level of whole-tree extraction. Double-hitch carriages have been developed to<br> allow for full suspension of whole-tree and tree-length material. This study compared a stan<br> dard single-hitch to a double-hitch carriage under controlled conditions, namely in the same<br> location using the same yarder with downhill extraction. As expected, the double-hitch carriage<br> took longer to load up (+14%), but was able to achieve similar productivity (10–11 m3 per<br> productive machine hour) through increased inhaul speed (+15%). The importance of this<br> study is that it demonstrates both the physical and economic feasibility of moving to whole-tree<br> extraction using the double-hitch type carriage for longer corridors, for settings with limited<br> deflection, or areas with lower tolerance for soil disturbance

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,703
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,024
Tête enseignante GPT0,239
Écart entre enseignants0,215 · 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.

Devis d'étudeExpérimental (laboratoire)
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetTurfgrass Adaptation and ManagementTravaux en français237 207