Identification des pratiques de gestion des déchets métalliques au sein des entreprises du secteur de la transformation des métaux
Bibliographic record
Abstract
Pour parvenir à réduire les émissions de gaz à effet de serre, il est nécessaire de réussir la transition écologique vers des énergies plus vertes. Mais, cette transition exige une demande croissante de minéraux et de métaux et, malheureusement, une augmentation inévitable des déchets métalliques générés lors des divers procédés de la transformation des métaux. Étant donné que ces déchets métalliques ont un effet néfaste sur la santé humaine et sur l’environnement, il convient de trouver des moyens de les gérer de façon efficace. Cela dit, cet exercice représente un défi majeur pour les responsables d’entreprises, qui doivent alors constamment se réinventer afin de trouver des méthodes de fabrication innovantes et performantes qui permettront de réduire la quantité de déchets produits, sans pour autant limiter la production et l’évolution de leur entreprise. Dans cet ordre d’idées, cet essai s’est intéressé aux pratiques de gestion répandues au sein de l’industrie de la transformation des métaux au Québec et à l’échelle mondiale. Pour y parvenir, une collecte de données a été amorcée par le biais d’une revue de littérature, d’entrevues et d’observations directes sur le terrain. Ces données ont permis de dresser un portrait de la situation actuelle, soit de définir et de classifier les minéraux et métaux, de préciser les étapes de la transformation des métaux au Québec et, finalement, de préciser les types de déchets métalliques produits et les pratiques de gestion de ceux-ci. Par la suite, une analyse des données recueillies a permis de constater que l’industrie de la transformation des métaux met en place des pratiques écoresponsables dans sa gestion des déchets métalliques qui sont surtout orientées vers des approches basées sur l’économie circulaire, notamment la valorisation, l’écologie industrielle, la revente, l’écoconception, l’optimisation d’opérations, la réparation et le reconditionnement. Il est pertinent de souligner que les pratiques répertoriées au Québec se comparent favorablement à ce qui se fait ailleurs dans le monde. Pour finir, l’essai propose des recommandations qui mériteraient prises en compte par des PME de la deuxième et de la troisième transformation des métaux, afin d’améliorer le système de tri des déchets métalliques au sein des entreprises, de colliger des données et des statistiques sur la quantité de déchets métalliques générés lors de leurs procédés de transformation, ainsi que de privilégier des initiatives écoresponsables en matière de gestion de déchets métalliques.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".