MétaCan
Menu
Retour à la cohorte
Enregistrement W4297338787 · doi:10.1007/s11837-022-05501-y

Quantifying the Carbon Footprint of the Alouette Primary Aluminum Smelter

2022· article· en· W4297338787 sur OpenAlexaffabout
Les Edwards, Maia Hunt, Peter Weyell, Julia Ann Nord, Jules Côté, Patrick Coulombe, Nadia Morais

Notice bibliographique

RevueJOM · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueMolten salt chemistry and electrochemical processes
Établissements canadiensAluminerie Alouette (Canada)
Organismes subventionnairesnon disponible
Mots-clésCarbon footprintSmeltingGreenhouse gasRefineryCarbon fibersEnvironmental scienceAluminium smeltingWaste managementEmission inventoryKeroseneEnvironmental engineeringEngineeringMetallurgyAir pollutionChemistryMaterials scienceGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The Alouette primary aluminum smelter is the largest in the Americas, with an annual production of ~ 630,000 t of aluminum. In this collaborative study, a detailed product carbon footprint analysis was undertaken by Rain Carbon using a large body of primary emissions data to provide a complete cradle-to-gate analysis of the smelter’s emissions. The total carbon footprint of the smelter in 2019 was 3914 kg CO 2 e/t of aluminum for scope 1, 2, and 3 emissions, and 1835 kg CO 2 e for scope 1 and 2 emissions. The modeling results were compared to those for global average and Canadian average smelters, using reference datasets developed by the International Aluminium Institute (IAI) and GaBi Professional Database. Alouette’s carbon footprint is ~ 76% lower than a world average smelter and ~ 25% lower than a Canadian average smelter. For the scope 3 emissions, the primary contributors to the lower carbon footprint are lower emissions from the alumina supply and the calcined petroleum coke supply. Today, Alouette produces among the lowest carbon aluminum in the world, and this is set to decrease further following a switch from fuel oil to natural gas in the anode baking furnaces, and a switch to LNG at the alumina supplier refinery.

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 enseignants0,010
Score d'incertitude au seuil0,275

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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,226
Écart entre enseignants0,209 · 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

Citations15
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJOMMême sujetMolten salt chemistry and electrochemical processesTravaux en français237 207