Carbon Capture, Utilization, and Storage Risks from Supply Chain Perspective: A Review of the Literature and Conceptual Framework Development
Notice bibliographique
Résumé
The technology called carbon capture, utilization, and storage (CCUS) is important for capturing CO2 emissions before they enter the air. Because everyone wants to stop global warming by reducing CO2 emissions, CCUS is an important and emerging technology that can help slow down climate change, lower emissions in many areas, and support the move toward a sustainable and carbon-neutral future. As CCUS technology and its adaptation increases, it is very important to pay attention to the CCUS risks from a supply chain (SC) point of view. The goal of this study was to identify CCUS supply chain risks and develop a conceptual framework (CF) that provides a structured approach to ensure safe and reliable CCUS supply chain operations. Therefore, this study analyzed the literature related to the SCs of different sectors and identified the SC risks, which was the foundation for CCUS SC risk identification. This study demonstrates that there is no research article that provides a comprehensive CCUS SC risk management framework that connects with risk management strategies. The conceptual framework that is proposed in this study connects CCUS SC functions, risks, and risk management strategies to construct a complete CCUS supply chain risk management system. Moreover, the CF provides guidelines for future research, which will enrich the CCUS supply chain risk management system as well as fight climate change.
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 | 0,013 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».