MétaCan
Menu
Retour à la cohorte
Enregistrement W2965731427 · doi:10.5539/jas.v11n14p12

Yield From Forest Harvesting Operations for the Production of Charcoal in the State of Minas Gerais

2019· article· en· W2965731427 sur OpenAlexvenueno aff
Guilherme Carvalho Lana, Romano Timofeiczyk, Dimas Agostinho da Silva, David Alexandre Buratto, Gustavo Silva de Oliveira

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Food Sciences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCharcoalCarbonizationYield (engineering)Pulp and paper industryEnvironmental scienceProduction (economics)Wood processingAgricultural engineeringForestryMaterials scienceEngineeringGeographyComposite material

Résumé

récupéré en direct d'OpenAlex

The charcoal is a renewable natural resource, produced from wood by the process of carbonization and with great energetic importance. However, there is still little research and use of new technologies to optimize the use of wood in the production of charcoal. Therefore, the present work was aimed at analyzing the yield from forest harvesting operations for the production of charcoal. The research was developed at Vallourec e Mannesmann Florestal, a company located at Itapoã farm, municipality of Paraopeba, Minas Gerais. To this end, the harvest and timber transport operations in the short log system, the carbonization, and the properties of the charcoal produced were assessed. To this end, data was collected from eighteen 9-hour shifts for the Harvester, fifty-four 9-hour shifts for the forwarder, and 36 carbonization cycles. The equipment was analyzed working with three different log lengths—2.1 m, 3.7 m, and 5.0 m. The results demonstrate, during the cutting and processing, that the yield by cutting longer logs is higher. Likewise, at forwarding, the operation’s yield increases according to log length for thick and thin logs. Finally, concerning carbonization, the yield at the furnace loading stage was higher as the length of the log used increased, however, upon unloading the furnace, it was when it decreased.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,036
Tête enseignante GPT0,235
Écart entre enseignants0,200 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgricultural and Food SciencesTravaux en français237 207