An Overview of Energy and Exergy Analysis to the Industrial Sector, a Contribution to Sustainability
Notice bibliographique
Résumé
Globally, industry remains one of the main consumers of fossil fuels; hence, it is one of the prime sources of greenhouse gases (GHG). Exergy analysis methods can be applied to detect the processes inefficiencies. To enhance the interconnection of the exergy and the environment theories, renewable share and exergy efficiency are suggested, in a contribution to sustainability. Exergy analysis is proposed and lifted to study the industrial sector. Even though exergy analysis has been applied to study societies, few studies have been conducted to study emerging-market economies. In 2015, Mexico’s crude oil production was the 12th biggest worldwide, therefore fossil fuels are still the main source to produce energy for the domestic and productive sectors of the Mexican society. Consequently, a prospective study case in Mexico is suggested. The industrial sectorial exergy consumption amounts 1350 PJ in 2000, increasing to 1591 PJ in 2015. Both energy and exergy efficiencies show similar results along the 16 years, with average energy and exergy efficiencies of 78% and 23%, respectively. In comparison with results of similar studies, Mexican exergy efficiency falls within the ranges, yet below the average of 48%. Thus, poor efficiency is still occurring in the sector. Our proposal could provide significant opportunities to become a more sustainable sector, based on the exergetic renewable share and the exergy efficiency.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».