MétaCan
Menu
Retour à la cohorte
Enregistrement W4366506748 · doi:10.11159/icsect23.115

Near-Zero Rebar Cutting Waste Management by Adjusting Lap Splice Position

2023· article· en· W4366506748 sur OpenAlexvenueno aff
Jeeyoung Lim, Jinhyuk Oh, Sunkuk Kim

Notice bibliographique

RevueProceedings of the World Congress on Civil, Structural, and Environmental Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education, IndiaNational Research Foundation of KoreaNational Research Foundation
Mots-clésspliceRebarPosition (finance)Zero (linguistics)Zero wasteMaterials scienceComputer scienceEngineeringComposite materialWaste managementBusinessChemistry

Résumé

récupéré en direct d'OpenAlex

In general, rebar cutting waste is estimated to be 3-5% in the construction planning stage.However, technology to reduce RCW was not developed at the construction field, so more than 5% is generated in the actual construction.To solve this problem, many studies was conducted to minimize RCW.Most studies proposed methods to minimize RCW by using stock lengths or market lengths, referred to as standard.In other words, the rebar shown in the structural drawings is combined using the rebar mill or the stock length held to minimize cutting waste.RCW can be reduced if rebars ordered in special lengths are used in rebar combinations.Reducing rebar cutting wastes to near-zero rebar are necessary in terms of cost reduction and sustainable construction.Therefore, the purpose of this study is a basic study of near-zero rebar cutting waste management by adjusting lap splice position.As a result, the optimal amount of rebars in the case site was 17.74 tons, with the rebar cutting waste ratio reduced to less than 1%.In addition, the amount of rebar was reduced by 0.53 tons, which is 2.93% of the actual quantity.About 284 USD was saved, and 1,872 kg-CO2 was reduced.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,930

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,004
Tête enseignante GPT0,170
Écart entre enseignants0,166 · 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'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Civil, Structural, and Environmental EngineeringMême sujetManufacturing Process and OptimizationTravaux en français237 207