Review of welding fume emission factor development
Notice bibliographique
Résumé
The fumes created from welding activities present a unique occupational hazard. Due to the complex processes which govern fume formation, the characterization of welding fumes is difficult. Emission factors (EFs) are one method to characterize fume formation from different processes and scenarios. This paper reviews the development of EFs and similar metrics both historic research which contributed to the US EPAs AP-42 summary of welding emission factors released in 1995, and more recent research initiatives. Through a critical analysis of what research has been done in this area and the strength of the emission factors developed, this paper proposes a set of recommendations for future research. Research on emission factors for gas metal arc welding (GMAW) is the most complete amongst the different types of electric arc welding. Despite it being generally known that flux core arc welding (FCAW) creates significant fume emissions compared to some of the other processes few studies have looked at FCAW since the AP-42. Shielded metal arc welding is also under-researched particularly in terms of metal-specific emission factors. The influence of different welding activity parameters such as welding location, speed or current is well defined for GMAW but requires more attention for other welding processes. Further effort towards compiling and comparing available emission factor data of quality, evaluating the available data statistically and organizing this data in a practically useful way is required. The availability of reliable emission factors will allow the development or improvement of exposure modelling tools that would be very useful for exposure assessment when monitoring is not practical.s.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».