Simulation d’implantation de solutions d’amélioration continue dans un contexte de construction multiétages préfabriquée en bois
Bibliographic record
Abstract
Dans un contexte de développement durable accrue, le secteur de la construction se transforme et innove avec de nouveaux matériaux pour réaliser des infrastructures plus durables. Au cœur de cette transformation se situe le bois. Profitant de nombreuses découvertes, le bois se trouve être un candidat essentiel pour ériger des bâtiments multiétages. L’utilisation de la construction industrialisée est très répandue au Québec dans le domaine résidentiel, mais ne dispose pas des techniques et solutions efficientes pour relever le défi du multiétages. Le projet proposé ici se concentre donc à l’étude des solutions à proposer aux industries de la préfabrication en bois pour le domaine du multiétages afin d’accroître leur performance globale. Une revue de littérature permet en premier lieu de rendre compte des solutions les plus innovantes et les plus efficaces dans les industries connexes réalisant des constructions préfabriquées multiétages en béton et en acier. Par la suite, un cas d’étude permet de comprendre l’état existant de l’industrie de la construction au Québec tout en mettant en lumière les difficultés rencontrées autour de projets multiétages. En considérant les limites de l’étude de cas ainsi observée, le projet propose une solution issue de la littérature, soit l’implantation du Lean manufacturing, pour rencontrer l’objectif de la recherche. En dernier lieu, le projet élabore un modèle de simulation pour simuler l’unité de production dans le but pouvoir mesurer théoriquement une solution et en déterminer les gains potentiels. Le projet permet alors de montrer que des améliorations issues du Lean Manufacturing permettent de réaliser des gains pour accroître la performance globale de l’entreprise étudiée. Finalement ce mémoire livre un état des lieux et des pistes de solutions envisageables au regard des résultats des observations et des simulations réalisés dans ce projet.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".