MétaCan
Menu
Retour à la cohorte
Enregistrement W4403855116 · doi:10.1016/j.rser.2024.115058

Systematic review of the life cycle optimization literature, and recommendations for performance of life cycle optimization studies

2024· article· en· W4403855116 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRenewable and Sustainable Energy Reviews · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Multi-Objective Optimization Algorithms
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceManagement scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Life cycle optimization (LCO) refers to the integration of objectives calculated using a life-cycle based framework into mathematical optimization problems. Application of LCO may allow for substantial sustainability improvements in many industrial sectors, and provide valuable decision support towards achieving the UN Sustainable Development Goals. This study performed a PRISMA systematic review of LCO literature published between 2012 and 2023 with the goal of developing general guidelines for performance of LCO studies. Three hundred and one sources were reviewed to determine the industrial sector of the modeled system, the life cycle assessment framework used, how objective functions were defined, if uncertainty was included, and the optimization framework used. Results indicate a shift towards evolutionary-based optimization methods relative to previous reviews of the literature. Economic and environmental objective functions were most commonly assessed, while some studies have begun incorporating social objectives into their optimization. Based on the collected data, additional discussion was included related to choice of optimization framework, and definition of objective functions. The collected data and these additional discussions were used to develop a decision tree to aid practitioners in making methodological choices when performing LCO studies. This decision tree will help practitioners manage the trade-offs between the accuracy and efficiency of optimization methods based on the goals of their particular LCO study, and support increased uptake of LCO methodologies across industrial sectors. Increased uptake may provide significant value to researchers and policy makers by enabling investigation of potential sustainability improvement measures where all metrics are simultaneously optimized. • A PRISMA systematic review of the LCO literature was performed. • LCO studies are performed across a wide array of industrial sectors. • A decision tree was generated to aid LCO practitioners with methodological choices. • The decision tree aims to help increase uptake of LCO methodologies in the future.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,386
Score d'incertitude au seuil0,589

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,278
Écart entre enseignants0,264 · 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