Improving the Energy Concentration in Waste Printed Circuit Boards Using Gravity Separation
Notice bibliographique
Résumé
Electronic waste is one the fastest growing waste streams in the world, and printed circuit boards (PCBs) are the most valuable fraction of this stream due to the presence of gold, silver, copper, and palladium. Printed circuit boards consist of approximately 30% metals and 70% non-metals. The non-metal fraction (NMF) is composed of 60–65% fiberglass and 35–40% organics, in the form of surface-mount plastics and epoxy resins in the printed circuit board laminates. The organics in the NMF provide a potential alternative source of energy, but hazardous flame retardants contained in epoxy resins and the presence of residual metals create challenges for utilizing this material for energy recovery. This research provides an evaluation of the energy content of printed circuit boards. Density-based separation was used to separate various components of the NMF to increase the energy content in specific density fractions while reducing the metal content. The result showed that the energy content before and after the removal of the metallic fraction from PCBs was 9 and 15 GJ/t, respectively. After the density-based separation of the NMF, the energy content in the lightest fraction increased to 21 GJ/t, while reducing the concentration of the hazardous flame retardants. The contents of the hazardous flame retardants and residual metal were analyzed, to evaluate the harmful effect of emissions produced from utilizing the NMF as an alternative feedstock in waste-to-energy applications.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».