MétaCan
Menu
Retour à la cohorte
Enregistrement W1588054339

Cost analysis for durable proton exchange membrane in PEM fuel cells

2012· article· en· W1588054339 sur OpenAlexaff
Ali Taleb, Erik Kjeang, Elicia Maine

Notice bibliographique

RevuePortland International Conference on Management of Engineering and Technology · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésProton exchange membrane fuel cellAutomotive industryDurabilityProduction (economics)Investment (military)Computer scienceProcess engineeringFuel efficiencyGasolineDiesel fuelAutomotive engineeringReliability engineeringEnvironmental economicsManufacturing engineeringEngineeringFuel cellsWaste managementEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Proton exchange membranes (PEMs) are a major determinant of fuel cell lifetime. For automotive applications, standards call for high levels of operation stability, reportedly 5,500 hours for cars and over 20,000 hours for buses. In addition to durability, membranes should also meet a certain price target for fuel cells to be competitive with incumbent gasoline and diesel internal combustion engines. A techno-economic analysis has been performed to explore different membrane designs which are proposed to enhance durability. For this reason, a cost analysis platform has been created. The technical-economic cost model (TCM) developed depicts how the production cost per unit varies depending on the different fabrication methods, production rate limitations, material selection, labor distribution, energy consumption, financial parameters and the target production volume. This platform enables the efficient exploration of each potential design solution and identification of the key factors for each design. By using such an approach in the design, research time and resources can be saved by prioritizing RD the effect of additive on the overall cost is minor especially when the production process is unchanged. Comparing the results to existing market standards, we found that current industry standard assumptions are intended for conservative investment.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,300
Score d'incertitude au seuil0,411

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,242
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePortland International Conference on Management of Engineering and TechnologyMême sujetFuel Cells and Related MaterialsTravaux en français237 207