MétaCan
Menu
Retour à la cohorte

A Roadmap to Integrate the Sustainable Impact of Industry 4.0 Technologies in Maintenance Policies

2025· article· en· W4415041963 sur OpenAlexafffund
Mouhamadou Mansour Diop, Amélie Ponchet-Durupt, Christophe Danjou, Yacine Baouch, Nassim Boudaoud

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesPolytechnique MontréalUniversité de Technologie de Compiègne
Mots-clésGovernment (linguistics)SustainabilityIndustry 4.0Sustainable developmentWork (physics)Production (economics)

Résumé

récupéré en direct d'OpenAlex

Maintenance decision-making has traditionally focused on economic criteria, yet the growing demand for carbon neutrality highlights the need to address all three dimensions of sustainability (economic, environmental, and social) within manufacturing industries.Although Industry 4.0 (I4.0) enabling technologies are widely recognized for their potential benefits, their full sustainability impacts remain poorly understood.Existing studies often emphasize their positive contributions but lack precise quantification of both their positive and negative effects.Moreover, these analyses tend to focus exclusively on the use phase, neglecting impacts during manufacturing and end-of-life stages.This article proposes a structured roadmap for evaluating the lifecycle impact of I4.0 technologies on maintenance policies.By considering multiple scenarios, this approach quantifies their effects across all dimensions of sustainability, ensuring that the benefits realized during use outweigh the negative impacts from manufacturing and disposal.To illustrate its applicability, a preliminary use case is presented using a vibration test bench equipped with IoT sensors.Looking ahead, these sensors are set to generate fault data under varying conditions, which will be used to test maintenance scenarios.Additionally, as outlined in the roadmap, a life cycle assessment (LCA) is planned for the sensor to provide a comprehensive assessment of its sustainability impact.This case study serves to demonstrate the roadmap's relevance and its potential to support sustainable maintenance decision-making, laying the foundation for integrating I4.0 enabling technologies into maintenance strategies while avoiding undesirable rebound effects that could compromise sustainability goals.

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)0,008
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0070,004
Études des sciences et des technologies0,0020,002
Communication savante0,0110,012
Science ouverte0,0030,006
Intégrité de la recherche0,0070,005
Charge utile insuffisante (le modèle a refusé de juger)0,0180,004

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 GPT0,260
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 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'étudeThéorique ou conceptuel
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDigital Transformation in IndustryTravaux en français237 207