MétaCan
Menu
Retour à la cohorte
Enregistrement W2095077323 · doi:10.1504/ijaom.2014.066828

Optimisation of material and energy exchange in an eco-park network considering three fuel sources

2014· article· en· W2095077323 sur OpenAlexaff
Ivan Kantor, Ali Elkamel, Michael Fowler

Notice bibliographique

RevueInternational Journal of Advanced Operations Management · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Industrial Ecology
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésProfitability indexIndustrial parkEnvironmental scienceWork (physics)Production (economics)Profit (economics)ElectricityBiomass (ecology)CoalNatural gasRenewable energyEnvironmental economicsComputer scienceProcess engineeringWaste managementBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

This work represents a quantitative assessment of the eco-park theory and its application to a case involving the manufacture and export of several chemical products in addition to heat and electricity from an eco-industrial park comprised of a number of facilities or ‘nodes’. The eco-industrial network is assessed in terms of environmental impact and profitability relative to existing facilities that do not interact directly with the exchange of material and energy streams amongst the nodes. GAMS software was employed to create the optimisation program with decision variables describing which of the network nodes should be constructed and what their associated production capacities should be in order to optimise an objective function focused on profit and environmental impact. Additionally, utilisation of three different fuels as the primary source of chemical reagents and energy are considered in various scenarios. These fuels are coal and biomass for gasification or a steam-methane reforming process for hydrogen production using natural gas as the fuel. The eco-park network with interacting production nodes is shown to be more profitable than the comparable non-integrated set of facilities and the network exports are produced with lower environmental impact in terms of criteria air contaminants.

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 enseignants0,109
Score d'incertitude au seuil0,393

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 Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,223 · 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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Advanced Operations ManagementMême sujetSustainable Industrial EcologyTravaux en français237 207