MétaCan
Menu
Retour à la cohorte
Enregistrement W4403904398 · doi:10.1016/j.algal.2024.103779

Reinvigorating algal cultivation for biomass production with digital twin technology - a smart sustainable infrastructure

2024· article· en· W4403904398 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAlgal Research · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensUniversity of British Columbia, Okanagan Campus
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)Biomass (ecology)BusinessSustainable productionNatural resource economicsEnvironmental scienceEcologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Industry 5.0 raises awareness towards converting conventional industrial technologies into smart technologies integrated with sustainable infrastructure for efficiently handling process systems, making them more energy and cost-efficient. New disruptive technologies are emerging due to recent scientific and technical developments, which profoundly affect various process systems. One such case of consideration is the algal cultivation for biomass production (ACB). A technology called an algal digital twin (ADT) has a great deal of promise to change existing ACB (For example raceway pond) into sustainable algal management systems (Nitrogen, Phosphorus, Temperature, Turbidity, Dissolved Oxygen (DO), Carbon dioxide (CO 2 ), pH, Chlorophyll-a, etc.), and to develop their infrastructure in making them more energy efficient and cost-effective for the algal biomass cultivation. However, despite a recent increase in attention, there have not been adequate investigations exploring the challenges of deploying ADTs for controlling and monitoring ACB. This review provides a systematic literature analysis on adopting an ADT into ACB, which could address major difficulties and unresolved problems of the ACB. Also, this study identifies several key categories of hurdles, such as interconnection and semantics, facilities, acquiring data and actuation, data reliability, modelling (Artificial Intelligence of Things), simulation run, decision making, digitalization of data, accountability, as well as social concerns. Additionally, case studies for the ACB towards lipid production and wastewater treatment using ADT are reported. Overall, this comprehensive review aims to help practitioners gain insight into the deployment of ADT into ACB systems, “A way towards creating a sustainable smart infrastructure for ACB”. • Provide a comprehensive overview of DT modelling from the perspectives of ACB • Bridging gaps and unlocking potential for ADT in smart algal management • Integration of ADT in ACB enhances efficiency and resource management • Case studies for ACB towards lipid production and wastewater treatment using ADT • Potential research directions for the ADT model and recommendations for ACB

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,605
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
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 Opus0,021
Tête enseignante GPT0,310
Écart entre enseignants0,289 · 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