MétaCan
Menu
Retour à la cohorte
Enregistrement W2793271426 · doi:10.1002/bbb.1862

A novel risk analysis methodology to evaluate the economic performance of a biorefinery and to quantify the economic incentives for participating biomass producers

2018· article· en· W2793271426 sur OpenAlexafffundabout
Yu Wang, Mahmood Ebadian, Shahab Sokhansanj, Erin Webb, Hisham Zerriffi, Anthony Lau

Notice bibliographique

RevueBiofuels Bioproducts and Biorefining · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensWestern Forest ProductsUniversity of British Columbia
Organismes subventionnairesOak Ridge National LaboratoryBioenergy Technologies OfficeBioFuelNet Canada
Mots-clésBiorefineryIncentiveBiomass (ecology)Return on investmentRate of returnInterest rateAgricultural economicsTonneEnvironmental scienceGross marginBusinessEconomicsProfitability indexProfit (economics)Waste managementEngineeringBiofuelFinanceAgronomyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, a novel risk analysis methodology is presented to evaluate the economic performance of a biorefinery given the volatility in the market price of the final product and the variability in the biomass delivered cost. In addition, potential economic incentives for participating biomass producers are quantified for different farm participation rates. The Monte Carlo simulation model, IBSAL‐MC, is used to estimate the biomass delivered cost distribution, and a modified risk heat map is used to visualize the expected return on investment (ROI) for various combinations of the market price of the final product and the biomass delivered cost. The developed methodology is applied to an under‐construction cellulosic sugar facility located in Sarnia, southwestern Ontario. Four farm participation rates of 20% (base‐case scenario), 30%, 40% and 50% are studied. The results show that the expected annual ROI for the base‐case scenario is estimated to be 1.3%. As the farm participation rate increases, the expected annual ROI increases from 1.3% at 20% farm participation rate to 3.4%, 4.6% and 5.1% at 30%, 40% and 50% rates, respectively. At high sugar market prices ($375–$525/tonne), the overall expected annual ROI increases to 9.5%, 11.4%, 12.6% and 13.0% in 20%, 30%, 40% and 50% farm participation rates, respectively. In this case, the economic incentives to share with biomass producers are estimated to be $14.10/dry tonne (dt), $15.77/dt and $16.33/dt by increasing the farm participation rate from 20% to 30%, 40% and 50%, respectively. © 2018 Society of Chemical Industry and John Wiley & Sons, Ltd

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,068
Tête enseignante GPT0,309
Écart entre enseignants0,241 · 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
GenreMéthodes

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
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBiofuels Bioproducts and BiorefiningMême sujetForest Biomass Utilization and ManagementTravaux en français237 207