Pemilihan Baterai Kendaraan Listrik dengan Metoda Weighted Objective
Notice bibliographique
Résumé
Transportation is a sector that contributes significantly to CO2 gas emissions and has the potential to continue to increase along with the addition of fossil fuel vehicles. Indonesia has plans to switch to electric vehicles as an alternative to reduce greenhouse gas (GHG) emissions from the transportation sector. The battery is an important component of an electric vehicle, and there are several alternative technologies that can be used. This paper simulates the selection of a suitable battery from various type of batteries, including Lead-acid (PbA), Nickel Metal Hydride (NiMH) and Lithium-ion (Li-ion). The selection is made using the weighted objective method by presenting 5 criteria: energy density; emissions generated for battery production; energy factor of the manufacturing process; availability of critical raw materials required for cathodes and anodes; and availability of recycling facilities. Supporting data to determine the magnitude of each criterion is obtained from literature reviews. The analysis and comparison was carried out by giving weight to the assessment based on the data obtained. The results of calculations carried out in the paper show that the Lead-acid battery is a viable option for use at current time.However, if Indonesia already has NiMH and Li-ion battery recycling facilities, or is capable of producing Lithium-ion batteries, then the criteria and calculation factors can be added and improved.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».