MétaCan
Menu
Retour à la cohorte
Enregistrement W4379055392 · doi:10.1021/acsenergylett.3c00724

Safety and Quality Issues of Counterfeit Lithium-Ion Cells

2023· review· en· W4379055392 sur OpenAlexaff
Tapesh Joshi, Saad Azam, Daniel Juarez Robles, Judith A. Jeevarajan

Notice bibliographique

RevueACS Energy Letters · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésOverchargeCounterfeitThermal runawayElectronicsQuality (philosophy)Lithium (medication)Materials scienceBattery (electricity)Electrical engineeringEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Lithium-ion batteries continue to transform consumer electronics, mobility, and energy storage sectors, and the applications and demands for batteries keep growing. Supply limitations and costs may lead to counterfeit cells in the supply chain that could affect quality, safety, and reliability of batteries. Our research included studies of counterfeit and low-quality lithium-ion cells, and our observations on the differences between these and original ones, as well as the significant safety implications, are discussed. The counterfeit cells did not include internal protective devices such as the positive temperature coefficient or current interrupt devices that typically offer protection against external short circuits and overcharge conditions, respectively, in cells from original manufacturers. Poor-quality materials and lack of engineering knowledge were also evident on analyses of the electrodes and separators from low-quality manufacturers. When the low-quality cells were subjected to off-nominal conditions, they experienced high temperature, electrolyte leakage, thermal runaway, and fire. In contrast, the authentic lithium-ion cells performed as expected. Recommendations are provided to identify and avoid counterfeit and low-quality lithium-ion cells and batteries.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,052
Tête enseignante GPT0,337
Écart entre enseignants0,284 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Energy LettersMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207