MétaCan
Menu
Retour à la cohorte
Enregistrement W4392079967 · doi:10.3390/su16051816

Using Lean in Deconstruction Projects for Maximising the Reuse of Materials: A Canadian Case Study

2024· article· en· W4392079967 sur OpenAlexaffabout
Tasseda Boukherroub, Audrey Nganmi Tchakoutio, Nathalie Drapeau

Notice bibliographique

RevueSustainability · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensÉcole de Technologie SupérieureUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésDeconstruction (building)DemolitionReuseLean constructionProcess (computing)SustainabilityCircular economyArchitectural engineeringDemolition wasteEngineeringProcess managementConstruction industryManagement scienceConstruction engineeringComputer scienceCivil engineeringWaste management

Résumé

récupéré en direct d'OpenAlex

The construction sector is considered a major consumer of virgin materials and a contributor to waste generation. Therefore, it is essential to rethink current waste management practices, for example, by applying circular economy principles to building demolition, such as deconstruction. Deconstruction involves dismantling a building with the aim of maintaining the highest possible value for its materials and maximising their recovery potential. This study aims to guide the construction sector towards deconstruction to support its efforts to transform itself toward a more sustainable industry. It focuses on a regional case study in the province of Québec (Canada), presenting five buildings to be deconstructed. First, this study presents the outcomes of our analysis of the current situation. Second, it identifies the issues and obstacles encountered and proposes avenues to improve the current process based on solutions identified in the literature and the recommendations of the manager, the contractor involved in the deconstruction project, as well as experts in the construction industry. Finally, it proposes an improved deconstruction process. Our research approach is inspired from Lean thinking and follows the Action Research methodology.

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)0,007
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,649
Score d'incertitude au seuil0,856

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,205
Tête enseignante GPT0,457
Écart entre enseignants0,252 · 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'étudeQualitatif
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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetConstruction Project Management and PerformanceTravaux en français237 207