Modélisation et optimisation des stratégies de déconstruction des systèmes en fin de vie en présence d'incertitudes
Bibliographic record
Abstract
La gestion des systèmes en fin de vie devient une préoccupation majeure pour les constructeurs de système en raison, d’une part, des enjeux liés au développement durable de plus en plus importants et, d’autre part, des perspectives de profits économiques qu’offre la valorisation des systèmes en fin de vie. Dans ce contexte, la détermination d’une trajectoire de déconstruction consiste à définir les produits valorisables à obtenir à partir du système, leur filière de valorisation et les opérations permettant de les obtenir. Dans cet article, nous proposons une démarche de modélisation des trajectoires de déconstruction permettant d’intégrer différentes sources d’incertitude inhérente au domaine de la gestion des systèmes en fin de vie. Utilisant les réseaux bayésiens, cette méthode permet à la fois d’analyser et d’optimiser les trajectoires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".