MétaCan
Menu
Retour à la cohorte
Enregistrement W7131117821 · doi:10.1115/imece2025-166509

Advancing Sustainability in Additive Manufacturing: Integrating Circular Economy and Sustainable Development Goals

2025· article· W7131117821 sur OpenAlexaff
Dina A. AlJamal, Hussien Hegab

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCircular economySustainabilityEnablingSustainable developmentMaterial efficiencyPerformance indicatorProcess (computing)Key (lock)

Résumé

récupéré en direct d'OpenAlex

Abstract As industries increasingly prioritize sustainability, additive manufacturing (AM) emerges as a powerful enabler for integrating Circular Economy (CE) principles, the Sustainable Development Goals (SDGs), and the 6R strategies—Reduce, Reuse, Recycle, Recover, Redesign, and Remanufacture. AM offers significant benefits in terms of material efficiency and design versatility; however, critical challenges persist, particularly concerning energy consumption, waste generation, and the recyclability of materials. This research develops a structured framework to assess sustainability in Additive Manufacturing (AM) by identifying and categorizing Key Performance Indicators (KPIs) aligned with Circular Economy (CE) principles and global sustainability objectives. The study contributes to advancing sustainable engineering practices in AM through a comprehensive literature review that identifies KPIs spanning environmental, economic, and social dimensions. The KPIs are categorized into two phases: first, by mapping them to the Sustainable Development Goals (SDGs) to highlight their broader relevance; and second, by aligning them with the 6R framework—Reduce, Reuse, Recycle, Recover, Redesign, and Remanufacture—to evaluate their contribution to circularity in AM processes. Preliminary findings highlight material reuse, energy efficiency, and process optimization as key drivers of sustainability in additive manufacturing (AM). While AM offers significant potential to reduce material waste and enable optimized designs, challenges remain—particularly limited material recyclability and the high energy demands of certain techniques. The proposed KPI framework serves as a practical tool for manufacturers, researchers, and policymakers to support data-driven decision-making and advance more circular, resource-efficient manufacturing practices.

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)0,010
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,007
Études des sciences et des technologies0,0020,006
Communication savante0,0100,008
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,005
Tête enseignante GPT0,222
Écart entre enseignants0,217 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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'admission1
Résumé présentoui

Explorer davantage

Même sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207