MétaCan
Menu
Retour à la cohorte
Enregistrement W3173203574 · doi:10.4236/aces.2021.113015

Chemical Plant Design for the Conversion of Plastic Waste to Liquid Fuel

2021· article· en· W3173203574 sur OpenAlexaff
Yusif Rhule Sam, Lawrence Darkwah, Derrick Kpakpo Allotey, Adjei Domfeh, Mizpah Ama Dziedzorm Rockson, Emmanuel Kwaku Baah-Ennumh

Notice bibliographique

RevueAdvances in Chemical Engineering and Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésWaste managementKeroseneDiesel fuelPayback periodGasolineEnvironmental scienceLiquid fuelPilot plantPolyethyleneEngineeringProduction (economics)Materials scienceChemistryCombustion

Résumé

récupéré en direct d'OpenAlex

This paper presents the plant design for fuel production from plastic waste. The types of plastics to be used for the fuel production include polyethylene, polypropylene and polystyrene. All these materials are to be sourced from Kpone landfill site in Accra, Ghana, where the plant is to be situated. The major fuels produced are gasoline, diesel and kerosene with a plant capacity of approximately 1000 tons of plastic waste per day and its attainment is 95%. The production process involves sorting the municipal solid waste to obtain suitable plastics. The plastics are extruded and cracked thermally in a Pyrolyzer and the gases from it are reformed over Zeolite-ZSM 5 as the catalyst in a reactor. Resulting vapours are fractionated in a column to obtain the various fuel components. The plant operates 24 hours/day and 347 days/year with 3 shifts per day of 8 hours per shift. Total capital required to build and start up the plant amounts to approximately 17 Million US Dollars. The plant life is 25 years with an annual rate of return of 34% and a payback period of 2.9 years for this project, after setting up. Annually, the plant would generate gross and net profits of approximately 9 Million US Dollars and 6.7 Million US Dollars respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,206

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,217 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Chemical Engineering and ScienceMême sujetRecycling and Waste Management TechniquesTravaux en français237 207