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
- EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳(メタデータ) (2024-02-01T07:22:52Z) - Quantum Computing Enhanced Service Ecosystem for Simulation in
Manufacturing [57.497038270123774]
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) - A cast of thousands: How the IDEAS Productivity project has advanced
software productivity and sustainability [1.3083336716269756]
科学ソフトウェア開発者の生産性に対する懸念が高まっている。
IDEASプロジェクトのメンバーは、これらの課題に対処するための触媒として機能します。
本稿は,これらの相乗的活動が科学的発見を緩和する技術的リスクをいかに進展させているかを論じる。
論文 参考訳(メタデータ) (2023-11-03T16:14:17Z) - 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) - Developing an AI-enabled IIoT platform -- Lessons learned from early use
case validation [47.37985501848305]
本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。
これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
論文 参考訳(メタデータ) (2022-07-10T18:51:12Z) - 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) - The United Nations Sustainable Development Goals in Systems Engineering:
Eliciting sustainability requirements [0.0]
国連持続可能な開発目標を明示的なインプットとしてソフトウェア要件エンジニアリングプロセスに使用すれば、サステナビリティのメリットが向上する。
3つのDSRMサイクルは、航空宇宙および医療における安全クリティカル、高精度、ソフトウェア集約システムの仮説をテストするために使用されている。
論文 参考訳(メタデータ) (2020-06-12T14:14:05Z)
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。