MétaCan
Menu
Retour à la cohorte
Enregistrement W4385875681 · doi:10.26434/chemrxiv-2023-25d8k

Understanding the environmental impact of large-scale cellulose nanocrystals production: Case studies in regions dependent on renewable and fossil fuel energy sources

2023· preprint· en· W4385875681 sur OpenAlexaff
Polina Yaseneva, Wadood Y. Hamad, Zhimian Hao

Notice bibliographique

RevueChemRxiv · 2023
Typepreprint
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLife-cycle assessmentEnvironmental impact assessmentRenewable energyBenchmark (surveying)Process (computing)Process engineeringFossil fuelScale (ratio)Environmental scienceComputer scienceProduction (economics)EngineeringWaste management

Résumé

récupéré en direct d'OpenAlex

Favorable functional properties of cellulose nanocrystals (CNCs) in several end-use application areas, as well as its ‘green’ credential as a bio-based material stimulate significant interest in scaling up the manufacture of CNCs. As in any other process, there exist several design options for the overall process and decisions on adoption of a specific plant configuration should be based on economic as well as environmental data, preferably from the life cycle assessment perspective. In this study we establish a benchmark LCA study of a conceptual large-scale CNC manufacturing process based on sulfuric acid hydrolysis. We then use the benchmark process model to explore several plant configuration scenarios and sensitivity of optimal plant configurations to energy mix of different regions. Results of LCA study suggest the optimal plant configuration to include partial recycle of sulfuric acid, which allows to attain the minimum cradle-to-gate environmental impacts. This study provides benchmark figures of LCA impacts of CNC manufacture, which could be used for the assessment of carbon footprint and other environmental metrics of final products manufactured from CNCs.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,565
Score d'incertitude au seuil0,797

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,075
Tête enseignante GPT0,267
Écart entre enseignants0,192 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetBiofuel production and bioconversionTravaux en français237 207