MétaCan
Menu
Retour à la cohorte
Enregistrement W2462387183 · doi:10.4018/978-1-5225-0424-5.ch009

Techno-Economic and Life Cycle Assessment for the Production of Green Composites

2016· book-chapter· en· W2462387183 sur OpenAlexaff
Siddharth Jain, Xiaolei Zhang

Notice bibliographique

RevueAdvances in chemical and materials engineering book series · 2016
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBagasseHuskLife-cycle assessmentBambooProfitability indexEnvironmental impact assessmentCoirPulp and paper industryAgricultural engineeringProduction (economics)MathematicsBusinessEnvironmental scienceEngineeringMaterials scienceComposite materialBiologyBotanyEconomics

Résumé

récupéré en direct d'OpenAlex

Botanically, green composites belong to an economically important seed plant family that includes maize, wheat, rice, and sorghum known as Saccharum offi cinarum. There are so many natural fibers available in the environment such as rice husk, hemp fibers, flax fibers, bamboo fibers, coconut fiber, coconut coir, grawia optiva and many others also. Life Cycle Assessment (LCA) is a process to estimate the environmental feature and potential impacts related to a product, by organizing a directory of pertinent inputs and outputs of a product system, assessing the potential environmental impacts related with the said inputs and outputs, explaining the results of the inventory analysis and impact evaluation phases in connection to the objectives of the study. Particularly Bagasse, an agricultural residue not only becomes a problem from the environmental point of view, but also affects the profitability of the sugarcane industries. This chapter discusses the properties, processing methods and various other aspects including economic and environmental aspects related to green composites.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,005
Tête enseignante GPT0,199
Écart entre enseignants0,195 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in chemical and materials engineering book seriesMême sujetBiofuel production and bioconversionTravaux en français237 207