Gestion Opérationnelle des activités de production de bois d'œuvre en intégrant la consommation énergétique
Bibliographic record
Abstract
L'industrie forestière, comme toute autre industrie manufacturière, est en recherche et révision permanente de ses systèmes et outils de planification afin de suivre la vision de l'industrie 4.0. Malgré les résultats importants obtenus dans ce sens dans le cas des scieries, l'établissement du lien entre ces outils et les préoccupations environnementales et d'économie d'énergie est encore faible. Ce mémoire propose un outil d'aide à la décision pour planifier la production dans une scierie typique de la province de Québec, Canada, visant à participer au programme de gestion de la demande en puissance (GDP) offert par Hydro-Québec. À cette fin, une revue de la littérature a été réalisée afin d'établir un état de l'art sur les systèmes de gestion de l'énergie industrielle, la gestion de la demande en puissance et les modèles de planification existants de l'industrie du bois d'œuvre. Ensuite, des données énergétiques et des plans de production réels ont été collectés. Une analyse statistique de ces données a été effectuée, afin de comprendre le comportement du cas étudié et de générer des données d'entrée pour l'outil de planification. Une modélisation mathématique pour panifier la production de produits en contexte de GDP tout en minimisant les coûts d'arriérage à l'unité de finition a dès lors été réalisée, ce quia permis de démontrer que la participation au programme d'Hydro-Québec est possible pour la scierie à l'étude, même avec des quantités limitées en arriérage. Le lien entre l'évolution de l'inventaire et les évènements GDP suggère que l'inventaire sert comme barrière préventive et protectrice lors de la participation à un programme de GDP. De plus, le délestage total a été démontré dans deux scénarios à savoir les événements GDP de 16 heures en ajoutant 1,5 heures supplémentaire au calendrier de production hebdomadaire ainsi que les événements GDP de 30 heures avec un ajout de 1,5 heures au calendrier de production hebdomadaire. En somme, l'étude a généré, pour une scierie québécoise typique, un outil d'aide à la décision à mettre en place afin de participer au programme de gestion de puissance d'Hydro-Québec. Cet outil permet une planification opérationnelle de l'industrie du bois d'œuvre intégrant la facette énergétique. La démarche utilisée est décrite, révélant une méthodologie prospective qui pourrait être répliquée dans d'autres domaines dans le cadre de futures études.
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) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".