Strategic Materials in the Automobile: A Comprehensive Assessment of Strategic and Minor Metals Use in Passenger Cars and Light Trucks
Notice bibliographique
Résumé
A comprehensive component-level assessment of several strategic and minor metals (SaMMs), including copper, manganese, magnesium, nickel, tin, niobium, light rare earth elements (LREEs; lanthanum, cerium, praseodymium, neodymium, promethium, and samarium), cobalt, silver, tungsten, heavy rare earth elements (yttrium, europium, gadolinium, terbium, dysprosium, holmium, erbium, thulium, ytterbium, and lutetium), and gold, use in the 2013 model year Ford Fiesta, Focus, Fusion, and F-150 is presented. Representative material contents in cars and light-duty trucks are estimated using comprehensive, component-level data reported by suppliers. Statistical methods are used to accommodate possible errors within the database and provide estimate bounds. Results indicate that there is a high degree of variability in SaMM use and that SaMMs are concentrated in electrical, drivetrain, and suspension subsystems. Results suggest that trucks contain greater amounts of aluminum, nickel, niobium, and silver and significantly greater amounts of magnesium, manganese, gold, and LREEs. We find tin and tungsten use in automobiles to be 3-5 times higher than reported by previous studies which have focused on automotive electronics. Automotive use of strategic and minor metals is substantial, with 2013 vehicle production in the United States, Canada, EU15, and Japan alone accounting for approximately 20% of global production of Mg and Ta and approximately 5% of Al, Cu, and Sn. The data and analysis provide researchers, recyclers, and decision-makers additional insight into the vehicle content of strategic and minor metals of current interest.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».