MétaCan
Menu
Retour à la cohorte
Enregistrement W4384930080 · doi:10.5539/jms.v13n2p68

Optimization in Life Cycle Sustainability Assessment (LCSA): A Systematic Literature Review

2023· article· en· W4384930080 sur OpenAlexvenueno aff
Julianna Crippa, Cássia Maria Lie Ugaya

Notice bibliographique

RevueJournal of Management and Sustainability · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversidade Tecnológica Federal do Paraná
Mots-clésContext (archaeology)Computer scienceOperations researchScopusProduct (mathematics)Set (abstract data type)Data miningData scienceEngineeringMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

This secondary scientific research follows the modality of review research through the systematic literature review (SLR) technique and aims to answer the following question: What methods in the literature use optimization techniques to develop Life Cycle Sustainability Assessment (LCSA)? The objective is to identify and map information, relate their applications, and provide a critical analysis. The research was conducted in a global context, on April 2, 2022, with no time horizon limit, in English, using Harzing's Publish or Perish tool and search sources: Scopus®, Web of Science™, and Google Scholar. After the automatic exclusion of duplicate titles, the selection of articles was carried out in five further steps: first filtering, second filtering, third filtering, fourth filtering, and finally the snowball system. Regarding the years of selected publications, a slow but continuous upward trend (growth) can be seen. A diversity of journals can be observed and that most methods integrating optimization and LCSA focus on each product/system or application. Each optimization model proposal has its specific characteristics when combined with LCSA. Overall, there is a greater frequency of articles that propose to evaluate by comparing alternative products/supply chains/production processes, followed by those that use optimization for product development in selecting the best design from a set of alternatives. This research confirms that Operational Research (OR) operates in different segments and can use different techniques to obtain optimal solutions and decision support. The optimization techniques found in this or other literature reviews should be evaluated against an established analytical model by applying them to the same case study.

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)0,047
score de la tête « metaresearch » (Gemma)0,125
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,249

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,125
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0080,008
Bibliométrie0,0340,026
Études des sciences et des technologies0,0020,002
Communication savante0,0060,007
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,007
Tête enseignante GPT0,258
Écart entre enseignants0,251 · 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'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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetSustainable Supply Chain ManagementTravaux en français237 207