Development of a Reverse Logistics Modeling for End-of-Life Lithium-Ion Batteries and Its Impact on Recycling Viability—A Case Study to Support End-of-Life Electric Vehicle Battery Strategy in Canada
Notice bibliographique
Résumé
The deployment of a sustainable recycling network for electric vehicle batteries requires the development of an infrastructure to collect and deliver batteries to several locations from which they can be transported to companies for repurposing or recycling. This infrastructure is still not yet developed in North America, and consequently, spent electric vehicle batteries in Canada are dispersed throughout the country. The purpose of this reverse logistics study is to develop a spatial modeling framework to identify the optimal locations of battery pack dismantling hubs and recycling processing facilities in Canada and quantify the environmental and economic impacts of the supporting infrastructure network for electric vehicle lithium-ion battery end-of-life management. The model integrates the geographic information system, material flow analysis for estimating the availability of spent battery stocks, and the life cycle assessment approach to assess the environmental impact. To minimize the costs and greenhouse gas emission intensity, three regional recycling clusters, including dismantling hubs, recycling processing, and scrap metal smelting facilities, were identified. These three clusters will have the capacity to satisfy the annual flow of disposed batteries. The Quebec–Maritimes cluster presents the lowest payload distance, life-cycle carbon footprint, and truck transportation costs than the Ontario and British Columbia–Prairies clusters. Access to end-of-life batteries not only makes the battery supply chain circular, but also provides incentives for establishing recycling facilities. The average costs and carbon intensity of recycled cathode raw materials are CAD 1.29/kg of the spent battery pack and 0.7 kg CO2e/kg of the spent battery pack, respectively, which were estimated based on the optimization of the transportation distances.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».