MétaCan
Menu
Retour à la cohorte
Enregistrement W1970776849 · doi:10.1142/s1464333209003373

CALCULATING THE CARBON FOOTPRINT OF A CHEMICAL PLANT: A CASE STUDY OF AKZONOBEL

2009· article· en· W1970776849 sur OpenAlexaffabout
Michael L. Stein, Anshuman Khare

Notice bibliographique

RevueJournal of Environmental Assessment Policy and Management · 2009
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensAthabasca UniversityAkzoNobel (Canada)
Organismes subventionnairesAkzoNobel
Mots-clésCarbon footprintGreenhouse gasChemical industryFugitive emissionsSustainabilityChemical plantEnvironmental scienceCarbon fibersWaste managementNatural resource economicsGlobal warmingEnvironmental engineeringEnvironmental protectionEngineeringClimate changeEconomics

Résumé

récupéré en direct d'OpenAlex

Reduction of greenhouse gas emissions is one of the key requirements for sustainable production and consumption, but while the Canadian chemical industry has been very successful in reducing emissions to water and air, and while non- CO 2 greenhouse gas emissions have been minimised as well, reduction of CO 2 emissions has been less successful. The industry itself forecasts that further reduction of CO 2 emissions will be minimal. On the other hand concerns about global warming are increasing, while at the same time the chemical industry increases its commitment to sustainability. Determining the carbon footprint of a chemical plant and of its products will help to identify more emissions reduction possibilities and is a necessary step for the further reduction of the chemical industry's environmental impact. Carbon footprint determination is a corporate goal for AkzoNobel, an international coatings and specialty chemicals company, but the carbon footprint is not yet established for many products, and the information available from the chemical industry is scarce. This paper presents a case study of AkzoNobel's Saskatoon Plant and its attempt to calculate and analyse the carbon footprint of the plant and its main products which are used in the potash industry.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,795
Score d'incertitude au seuil0,508

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,012
Tête enseignante GPT0,269
Écart entre enseignants0,258 · 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'étudeObservationnel
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

Citations20
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Assessment Policy and ManagementMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207