MétaCan
Menu
Retour à la cohorte
Enregistrement W2025565753 · doi:10.4271/2014-01-1963

The Potential of Lightweight Materials and Advanced Combustion Engines to Reduce Life Cycle Energy and Greenhouse Gas Emissions

2014· article· en· W2025565753 sur OpenAlexfundno aff
Anne Marie Lewis, Gregory A. Keoleian, Jarod C. Kelly

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaU.S. Department of Energy
Mots-clésGreenhouse gasCombustionEnvironmental scienceLife-cycle assessmentWaste managementAutomotive engineeringEnergy (signal processing)Process engineeringEngineeringProduction (economics)Chemistry

Résumé

récupéré en direct d'OpenAlex

As lightweight materials and advanced combustion engines are being used in both conventional and electrified vehicles with diverse fuels, it is necessary to evaluate the individual and combined impact of these technologies to reduce energy and greenhouse gas (GHG) emissions. This work uses life cycle assessment (LCA) to evaluate the total energy and GHG emissions for baseline and lightweight internal combustion vehicles (ICVs), hybrid electric vehicles (HEVs) and plug-in hybrid electric vehicles (PHEVs) when they are operated with baseline and advanced gasoline and ethanol engines. Lightweight vehicle models are evaluated with primary body-in-white (BIW) mass reductions using aluminum and advanced/high strength steel (A/HSS) and secondary mass reductions that include powertrain re-sizing. Advanced engine/fuel strategies are included in the vehicle models with fuel economy maps developed from single cylinder engine models. Results show that while the ethanol engine has the highest efficiency and therefore, highest MPGe, the increased energy required to produce ethanol outweighs this benefit. The most life cycle energy and GHG reductions occur with aluminum, but the energy and GHG reduction per unit mass removed is greater for A/HSS. For the scenarios considered in this work, the least life cycle energy and GHGs are obtained with a lightweight PHEV with an aluminum BIW and advanced gasoline engine. Overall, results show that advanced gasoline and ethanol engines and lightweight materials provide complimentary benefits for conventional and electrified vehicles and will reduce life cycle energy and GHG emissions while playing a key role in meeting future CAFE standards.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,235
Écart entre enseignants0,229 · 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'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

Citations12
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207