When Industry 5.0 Meets the Circular Economy: A Systematic Literature Review
Notice bibliographique
Résumé
Abstract This paper examines the convergence of Industry 5.0 and the circular economy, emphasizing the role of emerging technologies in promoting sustainability via human-centric approaches. In contrast to Industry 4.0, which prioritizes automation and digitalization, Industry 5.0 stresses the synergistic integration of technology, environmental sustainability, and human collaboration to enhance resource efficiency and minimize waste. Using co-word analysis and BERTopic modeling on 283 journal articles extracted from the Scopus database, this research identifies key trends and themes linking Industry 5.0 and the circular economy. The study findings demonstrate the use of automation, machine learning, and 3D printing in sustainable manufacturing, which aligns with circular economy principles by optimizing resource efficiency and reducing waste. The topic modeling analysis further demonstrates the role of blockchain, cybersecurity, and human-centric AI in enabling closed-loop systems while assuring transparency and accountability in circular production models. The collaboration between humans and machines emerges as a crucial topic highlighting the need for adaptive manufacturing systems to balance productivity and environmental responsibility. The findings indicate that Industry 5.0 increasingly aligns with circular economy goals, paving the way to more sustainable, resilient, and human-centric industrial processes. This study offers valuable insights for academics and practitioners, indicating that the confluence of technology, sustainability, and human involvement will propel the future of industrial innovation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».