MétaCan
Menu
Retour à la cohorte
Enregistrement W3084523790 · doi:10.1177/0734242x20952847

Analysis of rejects from waste printed circuit board processing as an alternative fuel for the cement industry

2020· article· en· W3084523790 sur OpenAlexafffund
Amit Kumar, Maria Holuszko, Travis Janke

Notice bibliographique

RevueWaste Management & Research The Journal for a Sustainable Circular Economy · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMitacs
Mots-clésWaste managementPrinted circuit boardTonneCementHeat of combustionRefuse-derived fuelEnvironmental scienceSpent nuclear fuelMaterials scienceWaste treatmentEngineeringMetallurgyChemistryCombustion

Résumé

récupéré en direct d'OpenAlex

Waste Printed circuit boards (PCBs) are one of the most valuable and recycled components of electronic waste due to the presence of precious metals such as copper, silver, gold and palladium. The rejects of the PCB recycling process, named non-metal fraction (NMF) have continuously been sent to landfills. Several researchers have proposed alternative use of NMF as secondary materials such as fillers in composites or as adsorbent. This study is focused on the potential application of the PCB recycling rejects as waste-derived fuel or alternative fuel in the cement industry. Approximately 2 million metric tonnes (Mt) of this waste was produced in 2014 globally and estimated to reach 6.5 million Mt in 2050. The presence of high organic matter in the NMF renders it useful as an alternative fuel. The organic content of the NMF could also potentially be increased using gravity separation and thus increasing its net calorific value. The study showed that the NMF could provide up to 21 MJ kg -1 of heating value with low heavy metal and ash concentration. A comparison with other waste-derived fuel sources is also presented in the paper.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,058
Tête enseignante GPT0,334
Écart entre enseignants0,276 · 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

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaste Management & Research The Journal for a Sustainable Circular EconomyMême sujetRecycling and Waste Management TechniquesTravaux en français237 207