Chapter 13. Metallic Wastes into New Process Catalysts: Life Cycle and Environmental Benefits within Integrated Analyses Using Selected Case Histories
Notice bibliographique
Résumé
For new technologies to become market competitors, they must operate substantially cheaper than their competitors or achieve outcomes that are difficult by current methods. Classical life cycle analysis (LCA) focuses on salient ecological impacts but bypasses key economic aspects and does not assign quantifiable benefits. This chapter factors in the benefits of environmental protection, reduced CO<sub>2</sub> emissions, and the environmental impacts of oil extraction and fuel production using a well-to-gate (also known as cradle-to-gate) LCA, as well as the economics involving the mitigation of landfill gate fees for waste resources and social cost of carbon. The case histories evaluated involve catalysts bio-refined from wastes for application in cleaner extraction, upgrading, and processing of heavy fossil and pyrolysis bio-oils and comparisons to their commercial counterparts. Each case history material was analysed with a commercial catalyst and a bio-catalyst assessed as an alternative based on oil ratios (%<sub>eq.</sub> of g: g). Pyrolysis bio-oils from waste wood and algal sources were found to be upgradable successfully using both catalysts. They produce carbon-neutral fuels because of carbon sequestration during photosynthetic biomass growth, and the bacterial components supporting the catalyst become assimilated into the fuel.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».