MétaCan
Menu
Retour à la cohorte
Enregistrement W2914029704 · doi:10.1109/efea.2018.8617096

Barriers to the use of Low GWP Refrigerants in the Refrigeration and Air Conditioning Sector in Mauritius

2018· article· en· W2914029704 sur OpenAlexaboutno aff
Raj Kumar Dreepaul, Khalil Elahee

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefrigerantRefrigerationAir conditioningMontreal ProtocolEnvironmental scienceEnvironmental economicsEnvironmentally friendlyCarbon dioxideHeat pumpProcess engineeringComputer scienceWaste managementEngineeringOzone layerChemistryEconomicsHeat exchangerMeteorologyEcologyMechanical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

This paper is concerned with the issue of phasing out of Hydrofluorocarbons (HFCs) in Mauritius following the Kigali amendments of the Montreal protocol. For this purpose, a gap analysis was carried out among the major stakeholders in the Refrigeration and Air Conditioning (RAC) sector in Mauritius concerning the introduction of environment friendly refrigerants. Based on the gap analysis, it was found that the most frequently used refrigerants in the sector were HFCs and, to a lesser extent, hydrochlorofluorocarbons (HCFC). However, because of their negative influence on the environment, natural refrigerants such as ammonia (NH3), carbon dioxide (CO2) and Hydrocarbons (HC), having minimal impact on the environment, are being considered. On the other hand, HFOs, a new family of synthetic refrigerants also having low GWP have just appeared on the market. While these refrigerants have several advantages in terms of energy savings and thermodynamic efficiency, they also presents some drawbacks related namely to safety and availability on the market. In this paper, we discussed the major gaps in the implementation of these aforementioned new alternatives (i.e. NH3, CO2, HC and HFOs). Additionally, we proposed some solutions to cater for these gaps. Finally, some conclusions are drawn on future possible policy and decision making with regards to the implementation of the above technology.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,063
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,230
Écart entre enseignants0,208 · 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'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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207