MétaCan
Menu
Retour à la cohorte
Enregistrement W2019068551 · doi:10.3390/ma7085883

Challenges and Alternatives to Plastics Recycling in the Automotive Sector

2014· review· en· W2019068551 sur OpenAlexafffund
Lindsay Miller, Katie Soulliere, Susan Sawyer-Beaulieu, Simon Che Wen Tseng, Edwin Tam

Notice bibliographique

RevueMaterials · 2014
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésAutomotive industrySustainabilityWaste managementPlastics industryPlastic wasteMindsetBusinessEngineeringComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Plastics are increasingly a preferred material choice in designing and developing complex, consumer products, such as automobiles, because they are mouldable, lightweight, and are often perceived to be highly recyclable materials. However, actually recycling the heterogeneous plastics used in such durable items is challenging, and presents very different scenarios to how simple products, such as water bottles, are recovered via curbside or container recycling initiatives. While the technology exists to recycle plastics, their feasibility to do so from high level consumer or industrial applications is bounded by technological and economical restraints. Obstacles include the lack of market for recyclates, and the lack of cost efficient recovery infrastructures or processes. Furthermore, there is a knowledge gap between manufacturers, consumers, and end-of-life facility operators. For these reasons, end-of-life plastics are more likely to end up down-cycled, or as shredder residue and then landfilled. This paper reviews these challenges and several alternatives to recycling plastics in order to broaden the mindset surrounding plastics recycling to improve their sustainability. The paper focuses on the automotive sector for examples, but discussion can be applied to a wide range of plastic components from similarly complex products.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,089
Tête enseignante GPT0,342
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations185
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetRecycling and Waste Management TechniquesTravaux en français237 207