フリート電化計画のためのデータ駆動型フレームワーク：大学施設管理の総所有コスト分析の統合；迷子になる翻訳：NEPA許認可ネットワークのアクターネットワーク理論分析

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Combines quantitative decision-support modeling with qualitative STS analysis, offering a methodological template for studying socio-technical transitions.

🏢実務担当者:Fleet electrification framework provides a replicable tool for institutional facilities managers using actual operational data to guide vehicle replacements.

🏛政策担当者:NEPA analysis identifies systemic translation failures in permitting, relevant to reforming environmental review processes to incorporate local knowledge and justice.

クリーンエネルギーへの移行は、しばしば技術的な課題として捉えられる。より多くのインフラを建設し、より多くのシステムを電化し、可能な限り迅速に排出量を削減することである。私のキャップストーンおよびSTS研究は、この移行を、機関レベルと連邦レベルの2つのスケールから検証し、共通の問いを投げかける。クリーンエネルギーシステムは、機能するだけでなく、責任を持って機能するように、どのように設計され得るのか。これらのプロジェクトは総体として、持続可能性が技術的可能性以上のものに依存することを示している。それは、技術を構想から実装へと移行させる決定、データ、政策、コミュニティ、そして価値観に依存するのである。私のキャップストーンプロジェクトは、多種多様な車両 fleet を運用するバージニア大学施設管理部門における fleet 電化という実際的な課題に取り組んだ。機関の車両は、使用状況、duty cycle、コスト、代替可能性が大きく異なるため、電化への一律のアプローチは財務リスクを生み出し、有意義な排出削減の機会を逃す可能性がある。より精密な意思決定を支援するため、私のチームは、車両レベルのテレマティクス、機械学習、総保有コスト分析、社会的炭素コストを組み合わせたデータ駆動型フレームワークを開発した。結果として得られたダッシュボードにより、fleet 管理者は、一般的な仮定ではなく実際の運用データを用いて、現在の車両と潜在的な代替車両を比較できるようになる。これにより、このプロジェクトは持続可能性の目標を、車両単位の電化決定を導く実用的な計画ツールに変換する。しかし、クリーンエネルギー技術は真空状態で世に出るわけではない。それらは、機関、許認可システム、財務的制約、公的手続き、そしてその便益と負担を不均等に経験するコミュニティを通じて移動する。私のSTS研究は、国家環境政策法（NEPA）の許認可プロセスのアクターネットワーク理論分析を通じて、これらの人間的・社会的側面を検討した。環境正義を補完的な枠組みとして用い、私はNEPAの手続き的構造が環境的危害を開示しつつも、影響を受けるコミュニティの世界観、条約関係、生活経験を認識できないことがあるかを探求した。ダコタ・アクセス・パイプラインとマウンテン・バレー・パイプラインのケーススタディを通じて、私はNEPAの最も深い弱点は単なる遅延ではなく、翻訳の失敗であると論じた。すなわち、許認可ネットワークは、その技術的・法的カテゴリーに適合しない知識の形態を有意義に組み込むことがしばしばできないのである。これらのプロジェクトを総合的に考察すると、クリーンエネルギー移行はデータ駆動型かつ正義を意識したものでなければならないことが示唆される。分析ツールは機関の意思決定をより透明で、費用対効果が高く、環境的に有益なものにすることができるが、技術的最適化だけでは、誰がリスクを負うのか、誰の知識が重要視されるのか、どのような参加形態が有意義であるのかという問いに答えることはできない。責任あるエンジニアリングには、より良いモデルとより良い説明責任のネットワークの両方が必要である。クリーンエネルギーシステムは、効率的であるときだけでなく、それらを構築するプロセスが、それらが変革する人々と場所を認識できるときに、成功するのである。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

The transition to clean energy is often framed as a technical challenge: build more infrastructure, electrify more systems, and reduce emissions as quickly as possible. My capstone and STS research examine this transition from two scales, one institutional and one federal, to ask a shared question: how can clean energy systems be designed not only to work, but to work responsibly? Together, these projects show that sustainability depends on more than technological possibility. It depends on the decisions, data, policies, communities, and values that determine how technology moves from aspiration to implementation. My capstone project addressed the practical challenge of fleet electrification at the University of Virginia Facilities Management, which operates a large and varied vehicle fleet. Because institutional vehicles differ widely in usage, duty cycle, cost, and replacement feasibility, a uniform approach to electrification can create financial risk and miss meaningful emissions-reduction opportunities. To support more precise decision-making, my team developed a data-driven framework that combines vehicle-level telematics, machine learning, total cost of ownership analysis, and the social cost of carbon. The resulting dashboard allows fleet managers to compare current vehicles against potential replacements using actual operational data rather than generic assumptions. In doing so, the project translates sustainability goals into a practical planning tool that can guide vehicle-by-vehicle electrification decisions. Yet clean energy technologies do not enter the world in a vacuum. They move through institutions, permitting systems, financial constraints, public processes, and communities that experience their benefits and burdens unevenly. My STS research examined these human and social dimensions through an Actor-Network Theory analysis of the National Environmental Policy Act permitting process. Using environmental justice as a companion framework, I explored how NEPA’s procedural structure can disclose environmental harms while still failing to recognize the worldviews, treaty relationships, and lived experiences of affected communities. Through case studies of the Dakota Access Pipeline and Mountain Valley Pipeline, I argued that NEPA’s deepest weakness is not simply delay, but translation failure: the permitting network often cannot meaningfully incorporate forms of knowledge that do not fit its technical and legal categories. Considered in concert, these projects suggest that the clean energy transition must be both data-driven and justice-conscious. Analytical tools can make institutional decisions more transparent, cost-effective, and environmentally beneficial, but technical optimization alone cannot answer who bears risk, whose knowledge counts, or what forms of participation are meaningful. Responsible engineering requires both better models and better networks of accountability. Clean energy systems will succeed not merely when they are efficient, but when the processes that build them are capable of recognizing the people and places they transform.

• openalex https://doi.org/10.18130/ne6p-k146first seen 2026-05-31 05:10:46 · last seen 2026-06-11 04:52:12