MétaCan
Menu
Retour à la cohorte
Enregistrement W4405467937 · doi:10.1016/j.clwas.2024.100195

An integrated framework to improve waste management practices and environmental awareness in the Saudi construction industry

2024· article· en· W4405467937 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

RevueCleaner Waste Systems · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueRecycled Aggregate Concrete Performance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesMinistry of Education – Kingdom of Saudi Arabi
Mots-clésBusinessConstruction industryEnvironmental planningEnvironmental resource managementConstruction engineeringEngineeringProcess managementEnvironmental science

Résumé

récupéré en direct d'OpenAlex

There are concerns that the rapid expansion of the Saudi construction industry is contributing to substantial waste production, resulting in significant environmental impacts. Despite global efforts to improve sustainability, the Saudi construction industry faces challenges due to the high levels of construction waste, a limited focus on managing environmental impacts beyond physical waste (i.e., solid or hazardous waste), and the lack of comprehensive waste management strategies. This research introduces a novel integrated framework that combines lean construction principles with environmental management systems to support efficient waste management in Saudi construction projects. The framework integrates the Define, Measure, Analyse, Improve, Control (DMAIC) model from Lean Six Sigma with the Aspect and Impact Analysis (AIA) from environmental management to simultaneously manage both production and environmental wastes. To develop this framework, the current state of waste management practices in Saudi Arabia was investigated through semi-structured interviews with industry practitioners, revealing 44 factors contributing to waste generation. Poor planning emerged as the most frequently cited factor, followed by poor coordination among stakeholders, leftover materials on-site and frequent design changes. These findings underscore the need for a comprehensive and structured approach to address waste management. The proposed framework guides practitioners through defining and measuring waste, analysing root causes, prioritising waste-generating activities based on their impact, and implementing improvement strategies across strategic, tactical, and operational levels. The framework's application is demonstrated through a case example of piling operations and is validated through expert interviews. The integrated framework contributes to knowledge by offering a holistic approach to addressing both production and environmental waste, which aligns with Saudi Arabia's sustainability goals. It equips organisations with a practical tool to optimize resources, reduce environmental impacts, and enhance overall project efficiency. • Novel framework addresses production and environmental waste in Saudi construction. • DMAIC and Aspect Impact Analysis combined to manage diverse waste types. • Framework's applicability demonstrated through piling operations 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.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,664

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 recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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