From Grinding to Green Energy: Pursuit of Net-Zero Emissions in Cement Production
Notice bibliographique
Résumé
In an age of heightened environmental awareness and the pressing need for net-zero emissions, concerns over rising energy consumption in cement production, responsible for 5–8% of global CO2 emissions, have intensified. This paper proposes a novel pioneering framework that integrates Shannon’s entropy and Multi-Criteria Decision Making (MCDM) methods to steer the cement industry towards sustainability and net-zero emissions. Utilizing Shannon’s entropy, the research impartially determines the significance of multiple criteria, reducing biases in decision-making for energy efficiency in cement production. Four MCDM methods (TOPSIS, VIKOR, ELECTRE, WSM) are applied to rank energy efficiency alternatives, providing a nuanced analysis of options for the cement industry. The study integrates sensitivity analysis to evaluate the robustness of MCDM methods under varying conditions, assessing the impact of changes in criteria weights on the ranking of energy efficiency alternatives and showcasing the adaptability of the proposed framework. Examining six diverse scenarios reveals the framework’s adaptability and the versatility of the Horizontal Roller Mill (HRM), with the Vertical Roller Mill (VRM) emerging as a cost-effective emission reduction alternative. This interdisciplinary approach, integrating information theory, decision science, and environmental engineering, extends beyond industry relevance, providing valuable insights aligned with global sustainability goals. Harmonizing economic viability with ecological responsibility, this report offers an instructive guide, propelling the cement industry toward a more sustainable future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».