MétaCan
Menu
Retour à la cohorte
Enregistrement W3215225480 · doi:10.1002/9783527816392.ch10

Processing of Nonmetal Fraction from Printed Circuit Boards and Reutilization

2021· other· en· W3215225480 sur OpenAlexaff
Amit Kumar, Maria Holuszko

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNonmetalPrinted circuit boardFraction (chemistry)Mass fractionElectronic wasteElectronic equipmentWaste managementNon-negative matrix factorizationMaterials scienceEnvironmental scienceMetalEngineeringComposite materialChemistryMetallurgyElectrical engineeringOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Printed circuit boards (PCBs) are the essential block of electronic equipment. With the metal concentration of 30–35% in PCB, it contains 40–80% of the total estimated value of waste PCB, whereas the rest is the nonmetal fraction such as resin, glass fibers, cellulose, and flame retardants. The separated nonmetal fraction (NMF) accounts for approximately 70% of the total weight and is usually sent to landfills. The materials present in the NMF could provide economic benefits to the recyclers and reduce the environmental concerns associated with improper disposal. Some researchers have suggested alternative use of NMF as secondary materials in various applications, and other researchers have shown the possibility of the physical and chemical recycling of NMF. This chapter provides the details of the nonmetal fraction of the waste printed circuit boards, its composition, and benefits associated with NMF recycling. It also provides an overview of physical and chemical recycling processes for NMF and potential end usage of NMF after metal recovery.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0110,006

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 Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,232 · 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'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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRecycling and Waste Management TechniquesTravaux en français237 207