プレキャストコンクリート建築部材の脱炭素化：クレードルからサイトへの炭素モデリングと最適化、説明可能な機械学習、および輸送効率指数

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

🔬研究者:Novel ML-XAI framework for supply chain emission modeling and optimization, with empirical validation.

🏢実務担当者:Actionable insights for precast manufacturers to reduce emissions through design standardization and logistics coordination.

🏛政策担当者:Offers a metric (TEI) and evidence-based targets for low-carbon prefabrication supply chains.

プレハブ建築における炭素削減にはコンポーネント規模のエビデンスが必要であるが、ほとんどの評価は工場生産に限定されており、輸送および現場設置の決定が排出量をどのように変えるかについての限定的かつ非透過的な指針しか提供していない。本研究は、プレキャストコンクリートコンポーネントの生産、輸送、設置からの排出量を定量化・予測するための一貫したフレームワークを提供する。調整された設計基準と物流計画を統合することが、cradle-to-site排出量の大幅な削減につながるという概念を探求する。本フレームワークは以下を提供する：(i) 3段階のシステム境界；(ii) 輸送のための機械学習プラス説明可能AI（XAI）モデルと、単位CO2e当たりの納入コンポーネント体積・距離として定義される新しい輸送効率指標（TEI）；および(iii) 設計標準化と物流パラメータの同時最適化。実証データは、イラン・テヘランのプレハブ工場（敷地面積156,000 m2、年間能力300,000 m3）から取得され、411件の日次エネルギー・資源記録、部品表および型枠使用ログ、408個の製造コンポーネント、ならびに対応する納入・設置活動が含まれる。勾配ブースティング木は高い予測精度（生産で決定係数R2 = 0.99、輸送でR2 = 0.97、平均絶対パーセント誤差MAPE < 6%）を示し、XAIはコンポーネント体積、設計標準化、ルート距離、トラック稼働率を主要な駆動要因として特定する。材料は生産排出量の約91〜98%を占め、型枠償却は標準化が0.90を超え再利用が約60サイクルを超えると約9%から3%未満に低下する。シナリオ最適化によりTEIは約25%改善され、生産から設置までの複合排出量は約20〜30%削減され、低炭素プレハブ供給チェーンを求めるメーカー、請負業者、政策立案者に実践可能な指針を提供する。

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。

Reducing carbon in prefabricated buildings demands component-scale evidence, yet most assessments remain confined to factory production and provide limited, non-transparent guidance on how transportation and on-site installation decisions reshape emissions. This study delivers a consistent framework for quantifying and predicting emissions from the production, transportation, and installation of precast concrete components. It explores the concept that integrating coordinated design standards with logistical planning leads to considerable reductions in cradle-to-site emissions. The framework contributes: (i) a tri-stage system boundary; (ii) a machine-learning plus explainable-AI (XAI) model for transport coupled with a new Transportation Efficiency Index (TEI), defined as delivered component volume-distance per unit CO2e; and (iii) joint optimization of design standardization and logistics parameters. Empirical data were obtained from a prefabrication plant in Tehran, Iran (156,000 m2 footprint; 300,000 m3·yr−1 capacity), including 411 daily energy/resource records, bills of materials and mold-use logs, 408 manufactured components, and matched delivery/installation activities. Gradient-boosted trees yield high predictive accuracy (coefficient of determination R2 = 0.99 for production and R2 = 0.97 for transportation; mean absolute percentage error MAPE < 6%), while XAI identifies component volume, design standardization, route distance, and truck utilization as dominant drivers; materials account for ~91–98% of production emissions and mold amortization falls from ~9% to <3% when standardization exceeds 0.90 and reuse surpasses ~60 cycles. Scenario optimization improves TEI by ~25% and reduces combined production-to-installation emissions by ~20–30%, providing actionable guidance for manufacturers, contractors, and policymakers seeking low-carbon prefabrication supply chains.

• semanticscholar https://doi.org/10.59400/be4056first seen 2026-05-05 22:30:14 · last seen 2026-09-21 04:55:14