Spoilt - Ocean Cleanup: Alternative logistics chains to accommodate plastic waste recycling: An economic evaluation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Every year about 300 million tons of plastic is produced, resulting in more than five trillion plastic particles currently floating in the oceans five largest convergence zones. The Ocean Cleanup is testing a method to passively collect this floating plastic debris, transport, recycle, process and sell it. The purpose of this paper is to evaluate alternative logistics chains to accommodate ocean plastic waste recycling by connecting transport with data collection and data analytics. The scenarios are based on different geographical destinations, supply chain lengths and types, and offered local development opportunities. A new reverse logistics channel dedicated to the Ocean Cleanup is developed, as existing reverse logistics supply chains are not able to capture the specifics of the plastic waste collection. Performances of the different scenarios are assessed by collecting data (on plastic volumes collected from the Ocean, on usage of plastics as a resource, and on transport cost) and usage of a detailed integrated model which enables a performance comparison of different logistical structures on logistics costs and on plastics production outputs. The cheapest and most disappointing solution would be to do nothing. However, the analysis shows that more complicated logistic structures whereby the collected plastic waste is used to produce glasses, socks, and carpets can lead to sustainable business models for cleaning up the Oceans. If the focus would be only on cost, the best model would be to minimize the transport distance and focus on San Francisco as closest port for the selected gyre to be analyzed.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle