論文の概要: QSDsan: An Integrated Platform for Quantitative Sustainable Design of
Sanitation and Resource Recovery Systems
- arxiv url: http://arxiv.org/abs/2203.06243v1
- Date: Mon, 7 Mar 2022 18:42:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:34:09.606010
- Title: QSDsan: An Integrated Platform for Quantitative Sustainable Design of
Sanitation and Resource Recovery Systems
- Title（参考訳）: qsdsan: 衛生・資源回収システムの定量的持続的設計のための統合プラットフォーム
- Authors: Yalin Li, Xinyi Zhang, Victoria L. Morgan, Hannah A.C. Lohman, Lewis
S. Rowles, Smiti Mittal, Anna Kogler, Roland D. Cusick, William A. Tarpeh,
Jeremy S. Guest
- Abstract要約: QSDsanはPythonで書かれたオープンソースのツールで、衛生と資源回収システムの定量的に持続可能な設計を目的としている。
設計の自動化,柔軟なプロセスモデリングの実現,迅速かつ再現可能なシミュレーションの実現,および統合可視化による高度な統計解析を行うためのQSDsanの有用性を示す。
- 参考スコア（独自算出の注目度）: 4.68128997208138
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sustainable sanitation and resource recovery technologies are needed to
address rapid environmental and socioeconomic changes. Research prioritization
is critical to expedite the development and deployment of such technologies
across their vast system space (e.g., technology choices, design and operating
decisions). In this study, we introduce QSDsan - an open-source tool written in
Python (under the object-oriented programming paradigm) and developed for the
quantitative sustainable design (QSD) of sanitation and resource recovery
systems. As an integrated platform for system design, process modeling and
simulation, techno-economic analysis (TEA), and life cycle assessment (LCA),
QSDsan can be used to enumerate and investigate the opportunity space for
emerging technologies under uncertainty, while considering contextual
parameters that are critical to technology deployment. We illustrate the core
capabilities of QSDsan through two distinct examples: (i) evaluation of a
complete sanitation value chain that compares three alternative systems; and
(ii) dynamic simulation of the wastewater treatment plant described in the
benchmark simulation model no. 1 (BSM1). Through these examples, we show the
utility of QSDsan to automate design, enable flexible process modeling, achieve
rapid and reproducible simulations, and to perform advanced statistical
analyses with integrated visualization. We strive to make QSDsan a
community-led platform with online documentation, tutorials (explanatory notes,
executable scripts, and video demonstrations), and a growing ecosystem of
supporting packages (e.g., DMsan for decision-making). This platform can be
freely accessed, used, and expanded by researchers, practitioners, and the
public alike, ultimately contributing to the advancement of safe and affordable
sanitation technologies around the globe.
- Abstract（参考訳）: 環境・社会経済の急速な変化に対応するためには持続可能な衛生・資源回復技術が必要である。
研究の優先順位付けは、その広大なシステム領域(例えば、技術の選択、設計、運用上の決定)における、そのような技術の開発と展開の迅速化に不可欠である。
本研究では,python(オブジェクト指向プログラミングパラダイム)で記述されたオープンソースツールであるqsdsanを紹介し,衛生・資源回収システムの定量的持続的設計(qsd)のために開発した。
システム設計、プロセスモデリング、シミュレーション、テクノ・エコノミクス分析(TEA)、ライフサイクルアセスメント(LCA)の統合プラットフォームとして、QSDsanは、技術展開に不可欠なコンテキストパラメータを考慮しつつ、不確実性の下で新興技術の機会空間を列挙し、調査するために使用できる。
以下2つの異なる例を通してQSDsanのコア機能について説明する。
(i)3つの代替システムを比較する完全衛生価値チェーンの評価
(II) ベンチマークモデルNo.1(BSM1)に記載された排水処理プラントの動的シミュレーションを行った。
これらの例を通して,qsdsanは設計の自動化,柔軟なプロセスモデリングの実現,迅速かつ再現可能なシミュレーションの実現,統合可視化による高度な統計解析を行う。
QSDsanをコミュニティ主導のプラットフォームにして、オンラインドキュメント、チュートリアル(説明ノート、実行可能なスクリプト、ビデオデモ)、サポートパッケージ(意思決定用DMsanなど)のエコシステムを拡大させたいと思っています。
このプラットフォームは、研究者、実践家、そして一般の人々によって自由にアクセス、使用、拡張することができ、最終的には世界中の安全で安価な衛生技術の発展に寄与する。
関連論文リスト
- Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - The Responsible Foundation Model Development Cheatsheet: A Review of Tools & Resources [100.23208165760114]
ファンデーションモデル開発は、急速に成長するコントリビュータ、科学者、アプリケーションを引き付けている。
責任ある開発プラクティスを形成するために、我々はFoundation Model Development Cheatsheetを紹介します。
論文 参考訳（メタデータ） (2024-06-24T15:55:49Z) - Towards Next-Generation Urban Decision Support Systems through AI-Powered Construction of Scientific Ontology using Large Language Models -- A Case in Optimizing Intermodal Freight Transportation [1.6230958216521798]
本研究では,事前学習された大規模言語モデル(LLM)を活用する可能性について検討する。
推論コアとしてChatGPT APIを採用することで、自然言語処理、メソノロジーベースのプロンプトチューニング、トランスフォーマーを含む統合ワークフローを概説する。
我々の方法論の成果は、広く採用されているオントロジー言語(OWL、RDF、SPARQLなど)の知識グラフである。
論文 参考訳（メタデータ） (2024-05-29T16:40:31Z) - The Survey on Multi-Source Data Fusion in Cyber-Physical-Social Systems:Foundational Infrastructure for Industrial Metaverses and Industries 5.0 [31.600740278783242]
産業5.0の概念は発展し、産業メタバースは実際の産業プロセスと並行して運用されることが期待されている。
ソーシャルメディアデータに隠されたカスタマイズされたユーザニーズは、ソーシャルメディア技術によって見つけることができる。
本研究では,産業メタバースのためのマルチソースデータ融合駆動型運用アーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-04-11T05:09:32Z) - Quantum Computing Enhanced Service Ecosystem for Simulation in Manufacturing [56.61654656648898]
本稿では,製造シミュレーションのための量子コンピューティングによるサービスエコシステムの枠組みを提案する。
我々は,これらの新しい計算パラダイムを定量的に評価することを目的とした2つの高価値ユースケースを分析した。
論文 参考訳（メタデータ） (2024-01-19T11:04:14Z) - Simulating the Software Development Lifecycle: The Waterfall Model [0.0]
本研究は、ウォーターフォールモデルを適用したシミュレーションに基づく手法を用いて、ソフトウェアプロジェクトと個々のフェーズ完了時間に対する見積もりを提供する。
我々はPythonの離散イベントシミュレーションフレームワークであるSimPyを用いて,ソフトウェア開発ライフサイクルシミュレーションを実装した。
論文 参考訳（メタデータ） (2023-08-07T22:44:36Z) - Predicting Resource Consumption of Kubernetes Container Systems using
Resource Models [3.138731415322007]
本稿では,クラウドシステムの資源モデルを実証的に導き出す方法について考察する。
私たちは、CPUとメモリリソースに明示的に準拠したフォーマルな言語でデプロイされたサービスのモデルに基づいています。
我々は、小規模なデプロイメントから収集したデータを経験的に活用して、より大きなデプロイメント上での高強度シナリオの実行をシミュレートする。
論文 参考訳（メタデータ） (2023-05-12T17:59:01Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Multi Agent System for Machine Learning Under Uncertainty in Cyber
Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。
ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。
本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文 参考訳（メタデータ） (2021-07-28T10:28:05Z) - Machine Learning-based Orchestration of Containers: A Taxonomy and
Future Directions [25.763692543206773]
既存のメインストリームのクラウドサービスプロバイダは、自動化されたアプリケーション管理のために、分散システムインフラストラクチャにコンテナテクノロジを広く採用しています。
コンテナ化されたアプリケーションのデプロイ、メンテナンス、自動スケーリング、ネットワークの自動化を扱うために、コンテナオーケストレーションが重要な研究課題として提案されている。
本稿では,既存の機械学習ベースのコンテナオーケストレーション手法について概観する。
論文 参考訳（メタデータ） (2021-06-24T02:55:35Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。