Industry 4.0 and the circular economy: using design-stage digital technology to reduce construction waste
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
Purpose This study examines how applying innovative I4.0 technologies at the design stage can help reduce construction waste and improve the recovery, reuse, and recycling of construction materials. Design/methodology/approach The study adopts a three-stage sequential mixed methods approach, involving a thorough review of current literature, interviews with six experts in digital construction, and a survey of 75 experienced industry practitioners. Findings The study identifies and discusses how ten specific digital technologies can improve design stage processes leading to improved circularity in construction, namely, (1) additive and robotic manufacturing; (2) artificial intelligence; (3) big data analytics; (4) blockchain technology; (5) building information modelling; (6) digital platforms; (7) digital twins; (8) geographic information systems; (9) material passports and databases; and (10) Internet of things. It demonstrates that by using these technologies to support circular design concepts within the sector, material recycling rates can be improved and unnecessary construction waste reduced. Practical implications This research provides researchers and practitioners with improved understanding of the potential of digital technology to recycle construction waste at the design stage, and may be used to create an implementation roadmap to assist designers in finding tools and identifying them. Originality/value Little consideration has been given to how digital technology can support design stage measures to reduce construction waste. This study fills a gap in knowledge of a fast-moving topic.
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) | 0,000 | 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