論文の概要: Machine Learning and Artificial Intelligence in Circular Economy: A
Bibliometric Analysis and Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2205.01042v1
- Date: Fri, 1 Apr 2022 07:05:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-09 07:47:42.841991
- Title: Machine Learning and Artificial Intelligence in Circular Economy: A
Bibliometric Analysis and Systematic Literature Review
- Title（参考訳）: 循環経済における機械学習と人工知能 : 文献分析と体系的文献レビュー
- Authors: Abdulla All noman, Umma Habiba Akter, Tahmid Hasan Pranto and AKM
Bahalul Haque
- Abstract要約: 循環経済(CE)は、設計段階で材料から最も高い価値を出し、再利用、リサイクル、再製造によって製品ライフサイクルのループを完成させることを目的としている。
本研究では,CEにおける応用AI技術の採用と統合について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With unorganized, unplanned and improper use of limited raw materials, an
abundant amount of waste is being produced, which is harmful to our environment
and ecosystem. While traditional linear production lines fail to address
far-reaching issues like waste production and a shorter product life cycle, a
prospective concept, namely circular economy (CE), has shown promising
prospects to be adopted at industrial and governmental levels. CE aims to
complete the product life cycle loop by bringing out the highest values from
raw materials in the design phase and later on by reusing, recycling, and
remanufacturing. Innovative technologies like artificial intelligence (AI) and
machine learning(ML) provide vital assistance in effectively adopting and
implementing CE in real-world practices. This study explores the adoption and
integration of applied AI techniques in CE. First, we conducted bibliometric
analysis on a collection of 104 SCOPUS indexed documents exploring the critical
research criteria in AI and CE. Forty papers were picked to conduct a
systematic literature review from these documents. The selected documents were
further divided into six categories: sustainable development, reverse
logistics, waste management, supply chain management, recycle & reuse, and
manufacturing development. Comprehensive research insights and trends have been
extracted and delineated. Finally, the research gap needing further attention
has been identified and the future research directions have also been
discussed.
- Abstract（参考訳）: 未組織・未計画・不適切な限られた原料の使用により, 環境・生態系に有害な大量の廃棄物が生産されている。
従来の線形生産ラインは、廃棄物生産や製品ライフサイクルの短縮といった遠い問題に対処できないが、循環経済(CE)という先進的な概念は、産業や政府レベルで採用される見込みを示している。
ceは、設計段階以降の原材料から最高の値を取り出し、再利用、リサイクル、再製造によって製品ライフサイクルループを完成することを目指している。
人工知能(AI)や機械学習(ML)といったイノベーティブな技術は、現実のプラクティスにおいてCEを効果的に採用、実装する上で重要な支援を提供する。
本研究では,CEにおける応用AI技術の採用と統合について検討する。
まず,SCOPUSインデクシング文書104件の文献分析を行い,AIとCEの重要な研究基準について検討した。
これらの文書から体系的な文献レビューを行うために40の論文が選定された。
選択された文書はさらに、持続可能な開発、逆物流、廃棄物管理、サプライチェーン管理、リサイクルと再利用、製造開発という6つのカテゴリに分けられた。
総合的な研究の洞察と傾向が抽出され、説明されている。
最後に、さらなる注意を要する研究ギャップが特定され、今後の研究方向性も議論されている。
関連論文リスト
- 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) - 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) - AIMS-EREA -- A framework for AI-accelerated Innovation of Materials for
Sustainability -- for Environmental Remediation and Energy Applications [0.0]
AIMS-EREAは、マテリアルサイエンス理論のベストをジェネレーティブAIのパワーと組み合わせる新しいフレームワークです。
これはまた、有害な残留物や反応の副産物の生成の可能性を排除するのに役立つ。
論文 参考訳（メタデータ） (2023-11-18T12:35:45Z) - Analysis and Applications of Deep Learning with Finite Samples in Full
Life-Cycle Intelligence of Nuclear Power Generation [21.938498455998303]
産業4.0の出現は、産業の文脈において人工知能(AI)の手法が取り入れられた。
しかし、複雑な工業用ミレウス、特にエネルギー探査と生産に関連するものは、長い尾のクラス分布、サンプルの不均衡、ドメインシフトを特徴とするデータを含むことが多い。
本研究は, 深層学習(DL)技術の適用を慎重に検討する, 原子力発電(NPG)の複雑で独特な産業シナリオに焦点を当てる。
論文 参考訳（メタデータ） (2023-11-07T06:17:57Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Literature Review: Computer Vision Applications in Transportation
Logistics and Warehousing [58.720142291102135]
輸送物流や倉庫におけるコンピュータビジョンの応用は、プロセスの自動化に大きな可能性を秘めている。
本稿では、この可能性を活用するために、この分野の研究に関する構造化された文献レビューを紹介する。
論文 参考訳（メタデータ） (2023-04-12T17:33:41Z) - Machine Learning Approaches in Agile Manufacturing with Recycled
Materials for Sustainability [2.132096006921048]
本研究は, リサイクル・再生材料を用いたアジャイル製造における意思決定支援を通じて, 材料科学における環境持続可能性について論じる。
本稿では,機械学習モデルを用いて予測分析を行い,製造における意思決定支援を支援することによって,AIにおけるデータ駆動手法を提案する。
論文 参考訳（メタデータ） (2023-03-15T00:39:31Z) - Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。
まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。
キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文 参考訳（メタデータ） (2022-09-17T18:24:56Z) - Application of Artificial Intelligence and Machine Learning in
Libraries: A Systematic Review [0.0]
本研究の目的は,図書館における人工知能と機械学習の適用を探求する実証研究の合成を提供することである。
データはWeb of Science, Scopus, LISA, LISTAデータベースから収集された。
LIS領域に関連するAIとML研究の現在の状況は、主に理論的な研究に焦点が当てられていることを示している。
論文 参考訳（メタデータ） (2021-12-06T07:33:09Z) - A Digital Forensics Investigation of a Smart Scale IoT Ecosystem [0.0]
IoT(Internet of Things)エコシステムには,訴訟手続においてディジタルエビデンスとして使用可能な,残余のデータが含まれている。
これらの問題の1つは、これらの生態系からの残留データの保存と分析を導くための実践的なプロセスや技術が限られていることである。
本稿では,スマートスケールエコシステム内のさまざまなエビデンスソースから残余データを復元する実践的手法を実証的に示す。
論文 参考訳（メタデータ） (2021-09-12T13:47:17Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z)
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。