Integration of LCA, TEA, Process Simulation and Optimization: A systematic review of current practices and scope to propose a framework for pulse processing pathways
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
It is now common practice to conduct either a life cycle assessment (LCA) or techno-economic analysis (TEA) to assess the feasibility and sustainability profiles of specific technologies or product supply chains. Although numerous studies have proposed integrated frameworks for combining LCA and TEA for specific sectors, such a framework has not been proposed for the pulse protein processing sector to date. The goal of the current analysis was to propose such a framework including, in addition, integration of process simulation and optimization capabilities, that can enable assessing and improving the sustainability of existing and emerging pulse protein extraction pathways (i.e., dry fractionation, wet fractionation, hybrid) based on a combination of technical, economic, and environmental performance criteria. A systematic review of published articles was used to identify the key characteristics of sector-specific integrated frameworks and to subsequently propose a comparable framework for pulse processing pathways, taking into consideration relevant attributes of LCA and TEA studies of agri-food processing systems. Different system boundaries and functional units are commonly utilized for LCA (cradle to gate) and TEA/process simulation (gate to gate), but the proposed framework proposes using the same functional units (both mass and functionality based) based on output material. In addition to adhering to the ISO 14044 standard for LCA and established TEA methodologies, the proposed framework recommends integrating process simulation, genetic algorithm-based multi-objective optimization, GIS models for spatially explicit raw material production scenarios, and use of analytical hierarchy process to facilitate multi-criteria decision making.
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.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle