MétaCan
Menu
Retour à la cohorte
Enregistrement W2559394055 · doi:10.5539/jsd.v9n6p132

Environmental Risk Trade-off for New Generation Vehicle Production: Malaysia Case

2016· article· en· W2559394055 sur OpenAlexvenueno aff
Muhammad Azmi, Akihiro Tokai

Notice bibliographique

RevueJournal of Sustainable Development · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesMajlis Amanah Rakyat
Mots-clésGreenhouse gasElectric vehicleEnvironmental scienceLife-cycle assessmentElectricity generationBiofuelProduction (economics)Environmental economicsBusinessAutomotive engineeringNatural resource economicsWaste managementEngineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

New Generation Vehicle such as Hybrid Electric (HEV) and Battery Electric Vehicles (EV) have higher efficiency compared to conventional vehicles, and therefore releasing less carbon emissions. However, arguments arise whether this kind of New Generation Vehicle is truly clean compared to the existing system, especially in developing country such as Malaysia since current knowledge only focus on Greenhouse Gas (GHG) generation. This study aims on provide better understanding of the environmental consequences of the compact vehicle production activities based on 5 impact classifications which is GHG generation, Acidification, Eutrophication, Carcinogenic Effect, and Human Health measured in “Disability Adjusted Life-Year” (DALY) using Life Cycle Inventory (LCI) Analysis under local electricity mix in 2017 and 2030. A trade-off comparison then can be made to assess the current vehicle technologies with high potential of mass usage in Malaysia– Conventional Internal Combustion Engine Vehicle (CV), EV, and HEV vehicles with two types of batteries; Nickel Magnesium Hydride (HEV-NiMH), and Lithium Nickel-Magnesium-Cobalt (HEV-NMC). This study found that EV have slightly higher potential to cause a global warming (5,791kg of CO2 equivalent emission), follow by HEV-NiMH (4,814kg), HEV-NMC (4,596kg) and CV (4,166kg) embodied per vehicle. Cradle-to-gate of CV is better in term of GHG emission and Carcinogenic impact compared to all the studied subjects but in overall measurement, it is not the best solution for human health, measured in DALY. Conversely, HEV have high environmental impact on the same categories. DALY for 2017 EV production is at 0.0014, CV at 0.0019, HEV-NiMH at 0.0036 and HEV-NMC at 0.0022. The situation created a trade-off between having higher Acidification and Eutrophication from CV production against having higher GHG emission of its replacement EV production.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 GPT0,182
Écart entre enseignants0,176 · 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'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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetElectric Vehicles and InfrastructureTravaux en français237 207