MétaCan
Menu
Retour à la cohorte
Enregistrement W2770830388 · doi:10.5539/jsd.v10n6p41

Mass Balance of Plastic Waste Conversion to Fuel Oil- A case in Uganda

2017· article· en· W2770830388 sur OpenAlexvenueno aff
Prosper Achaw Owusu, Noble Banadda, Nicholas Kiggundu

Notice bibliographique

RevueJournal of Sustainable Development · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWaste managementEnvironmental sciencePyrolysisFuel oilBiomass (ecology)Diesel fuelLiquid fuelPyrolysis oilPulp and paper industryEngineeringChemistryCombustion

Résumé

récupéré en direct d'OpenAlex

The current rate of plastic usage and the manner in which they are being disposed of is unsustainable. This is because more resources such as crude oil are utilized for their production and on the other hand, more waste plastics are generated. Since these waste plastics are made from crude oil, there is a high chance that they can be turned back into diesel that can be used to power irrigation pumps, drive engines for transport and industrial purposes among other potential uses. This paper sought to evaluate the pyrolysis of waste plastics to fuel oil potential of Uganda. The estimated waste plastics generated in Uganda was quantified as 545 851 kg/day. In this study, mass balance estimation indicated that the initial feed of 545 851 kg of waste plastics yields 451 419 kg liquid fuel using an appropriate technology for pyrolysis. The production potential of the gaseous and char fractions was calculated to be 50 764 and 43 668 kg in a day, respectively. This estimated amount has the potential to power approximately 234 small portable threshers of 5-7 horsepower. A total of 365 000 tonnes of fresh paddy can be threshed using these threshers. The gaseous fraction also has the potential to be used as a source of fuel for cooking. This is particularly important for postharvest handling and food security in Uganda as well as development of waste to energy technologies such as pyrolysis.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,192
Score d'incertitude au seuil0,412

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,212
Écart entre enseignants0,204 · 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'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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetEnergy and Environment ImpactsTravaux en français237 207