論文の概要: A physically extended EEIO framework for material efficiency assessment in United States manufacturing supply chains
- arxiv url: http://arxiv.org/abs/2510.15121v1
- Date: Thu, 16 Oct 2025 20:26:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-20 20:17:34.384569
- Title: A physically extended EEIO framework for material efficiency assessment in United States manufacturing supply chains
- Title（参考訳）: 米国製造業サプライチェーンにおける材料効率評価のための物理的拡張型EEIOフレームワーク
- Authors: Heather Liddell, Beth Kelley, Liz Wachs, Alberta Carpenter, Joe Cresko,
- Abstract要約: 経済における物質フローの物理的評価は、持続可能な脱炭と循環戦略の開発を支援することができる。
ここでは、米国エネルギー省(DOE)の産業脱炭のためのEEIO(EEIO-IDA)モデルのための新しい物理拡張について述べる。
この作業は、EEIO-IDAツールを含む既存のDOEフレームワークやツールと連携するように設計されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A physical assessment of material flows in an economy (e.g., material flow quantification) can support the development of sustainable decarbonization and circularity strategies by providing the tangible physical context of industrial production quantities and supply chain relationships. However, completing a physical assessment is challenging due to the scarcity of high-quality raw data and poor harmonization across industry classification systems used in data reporting. Here we describe a new physical extension for the U.S. Department of Energy's (DOE's) EEIO for Industrial Decarbonization (EEIO-IDA) model, yielding an expanded EEIO model that is both physically and environmentally extended. In the model framework, the U.S. economy is divided into goods-producing and service-producing subsectors, and mass flows are quantified for each goods-producing subsector using a combination of trade data (e.g., UN Comtrade) and physical production data (e.g., U.S. Geological Survey). Given that primary-source production data are not available for all subsectors, price-imputation and mass-balance assumptions are developed and used to complete the physical flows dataset with high-quality estimations. The resulting dataset, when integrated with the EEIO-IDA tool, enables the quantification of environmental impact intensity metrics on a mass basis (e.g., CO$_2$eq/kg)) for each industrial subsector. This work is designed to align with existing DOE frameworks and tools, including the EEIO-IDA tool, the DOE Industrial Decarbonization Roadmap (2022), and Pathways for U.S. Industrial Transformations study (2025).
- Abstract（参考訳）: 経済における物質フローの物理的評価(例:物質フロー定量化)は、工業生産量とサプライチェーンの関係の具体的な物理的文脈を提供することで、持続可能な脱炭と循環戦略の開発を支援することができる。
しかし、高品質な生データの不足や、データレポートに使用される産業分類システム間の調和の低さにより、身体的評価の完了は困難である。
ここでは、米国エネルギー省(DOE)の産業脱炭のためのEEIO(EEIO-IDA)モデルのための新しい物理拡張について述べる。
モデル枠組みでは、米国経済は商品生産サブセクターとサービス生産サブセクターに分けられ、貿易データ(例えばUNコントラド)と物産データ(例えば米国地質調査所)を組み合わせて各商品生産サブセクターに対して質量フローが定量化される。
プライマリソース生産データがすべてのサブセクタで利用可能でないことを前提として、価格計算と質量バランスの仮定が開発され、高品質な見積もりを伴う物理フローデータセットを完成させるために使用される。
得られたデータセットは、EEIO-IDAツールに統合された場合、各産業サブセクタに対して、質量ベース(例えば、CO$_2$eq/kg)で環境影響強度メトリクスの定量化を可能にする。
この作業は、EEIO-IDAツール、DOE産業脱炭ロードマップ(2022年)、米国産業変換研究のためのパスウェイズ(2025年)など、既存のDOEフレームワークやツールと連携するよう設計されている。
関連論文リスト
- Understanding the Influence of Synthetic Data for Text Embedders [52.04771455432998]
まず,Wangらによって提案された合成データの再生と公開を行った。
合成データがモデル一般化をどのように改善するかを批判的に検討する。
本研究は, 汎用インバータ構築における, 現在の合成データ手法の限界を浮き彫りにしたものである。
論文 参考訳（メタデータ） (2025-09-07T19:28:52Z) - Design and Evaluation of a Scalable Data Pipeline for AI-Driven Air Quality Monitoring in Low-Resource Settings [0.4681310436826459]
本稿では,AirQoデータパイプラインの設計,実装,評価について述べる。
Apache Airflow、Apache Kafka、Google BigQueryといったオープンソースの技術を使って構築されている。
我々は、400以上の監視装置から毎月数百万の空気品質の測定を取り込み、変換し、分散するパイプラインの能力を実証する。
論文 参考訳（メタデータ） (2025-08-20T06:19:27Z) - Description and Comparative Analysis of QuRE: A New Industrial Requirements Quality Dataset [2.2087818411607225]
本稿では,実世界のレビュープロセスを通じてアノテートされた2,111の産業要件からなる新しいデータセットQuREを紹介する。
以前は工業契約の一部として5年以上使用されていたが、現在、このデータセットは研究コミュニティにリリースされている。
論文 参考訳（メタデータ） (2025-08-12T11:51:15Z) - SustainableQA: A Comprehensive Question Answering Dataset for Corporate Sustainability and EU Taxonomy Reporting [22.82938587928396]
企業サステナビリティと年次レポートから包括的なQAペアを生成する新しいデータセットとスケーラブルなパイプラインであるSustainableQAを紹介する。
その結果、195,000以上の多様なファクトイドと非ファクトイドのQAペアの頑健なデータセットが得られる。
SustainableQAは、複雑な持続可能性コンプライアンスデータをナビゲートできるベンチマークと高度な知識アシスタントを開発するための、非常に効果的なリソースであることが証明されている。
論文 参考訳（メタデータ） (2025-08-05T02:03:59Z) - A Hybrid Game-Theory and Deep Learning Framework for Predicting Tourist Arrivals via Big Data Analytics and Opinion Leader Detection [0.0]
本稿では,海外旅行者の来訪を2つの異なる文脈で予測するための非線形ハイブリッド手法を提案する。
この手法は、インターネットのビッグデータの複数のソースを統合し、ソーシャルメディアプラットフォーム上の意見リーダーを識別する革新的なゲーム理論ベースのアルゴリズムを用いる。
実験により,本手法は既存の最先端技術より優れていることが示された。
論文 参考訳（メタデータ） (2025-07-04T09:17:17Z) - Bounding Box-Guided Diffusion for Synthesizing Industrial Images and Segmentation Map [50.21082069320818]
最小限の監督で高忠実度産業データセットを生成するための拡散型パイプラインを提案する。
提案手法では, 拡張有界箱表現の拡散モデルを用いて, 正確なセグメンテーションマスクを生成する。
その結果、拡散に基づく合成は、人工的な産業データと実世界の産業データとのギャップを埋めることを示した。
論文 参考訳（メタデータ） (2025-05-06T15:21:36Z) - Modeling supply chain compliance response strategies based on AI synthetic data with structural path regression: A Simulation Study of EU 2027 Mandatory Labor Regulations [3.5516803380598074]
本稿では,AI合成データ生成機構と構造経路回帰モデリングを統合した方法論的枠組みを構築する。
その結果,AI合成データと構造経路モデリングが組み合わさって,高強度規制シミュレーションに有効なツールであることがわかった。
論文 参考訳（メタデータ） (2025-05-04T11:39:56Z) - 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により、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。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - A Generative Approach for Production-Aware Industrial Network Traffic
Modeling [70.46446906513677]
ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。
我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。
可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
論文 参考訳（メタデータ） (2022-11-11T09:46:58Z) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳（メタデータ） (2022-09-21T08:14:34Z)
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。