Analyse critique et optimisation d'un processus de production d'éléments préfabriqués en bois
Bibliographic record
Abstract
La construction industrialisée est actuellement en plein essor au Québec et ailleurs dans le monde. Le secteur étant toutefois fortement fragmenté, beaucoup de petits producteurs font face à un manque de capacité et ont des processus de gestion de la production peu développés. Ce projet de maîtrise s'intéresse aux façons d’améliorer les processus de production dans ce domaine pour gagner en efficacité. Une revue de la littérature permet tout d’abord de faire un état des lieux de la planification et de la gestion de la production dans la construction industrialisée. Elle compare ce secteur à la construction traditionnelle et au secteur manufacturier puis recense les différents problèmes auxquels les entreprises peuvent faire face ainsi que leurs solutions si elles sont connues. Une étude de cas concernant une entreprise québécoise spécialisée dans la production d'éléments préfabriqués étudie par la suite en détail un processus de production de panneaux de murs et présente des améliorations qui pourraient être effectuées afin de diminuer les temps d’opération et de mieux utiliser la capacité de production tout en respectant la contrainte de disponibilité de la main d'oeuvre. Un modèle de simulation est alors développé afin d’éprouver ces propositions d’amélioration et d’évaluer le gain en efficacité que chacune peut fournir pour répondre à une augmentation de la demande. Il est alors montré que les améliorations les plus intéressantes sont celles nécessitant un investissement dans les technologies d’automatisation.
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 | 0.002 | 0.002 |
| 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 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".