MétaCan
Menu
Retour à la cohorte
Enregistrement W4401665171 · doi:10.1038/s41598-024-70118-x

Analysis of proper ink management impact on overall environmental equipment efficiency for sustainability

2024· article· en· W4401665171 sur OpenAlexaff
Krzysztof Krystosiak, Aldona Kluczek, Wojciech Werpachowski

Notice bibliographique

RevueScientific Reports · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy Efficiency and Management
Établissements canadiensToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSustainabilityComputer scienceBusinessBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Printing as a process itself generates many environmental concerns. The paper addresses ink management in terms of environmental issues in the label printing industry, focusing on its environmental implications. The goal is to demonstrate how a proper ink management system impacts overall printing process efficiency and environmental sustainability for printing companies. The paper introduces an empirical approach to managing components for label and packaging production, utilizing automatic ink dispensing systems. The results demonstrate that the proper management of ink dispensing to minimize waste in packaging printing is crucial for optimizing operating print costs, potentially reducing the amount of ink needed to prepare colors by 52% and achieving energy savings of 37%. This approach fulfills the goal of sustainability by addressing environmental, economic, and social concerns. By optimizing ink usage and energy consumption, companies can significantly reduce operating costs and enhance economic performance. Simultaneously, these practices improve product quality, meet consumer demands for sustainable packaging, and create better working conditions for employees. Future directions and practical implications for supporting operational excellence in production are also discussed.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,008
Tête enseignante GPT0,264
Écart entre enseignants0,256 · 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'étudeObservationnel
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'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetEnergy Efficiency and ManagementTravaux en français237 207