MétaCan
Menu
Retour à la cohorte
Enregistrement W4409553984 · doi:10.1051/e3sconf/202562501018

Research Progress on Carbon Footprint Accounting and Evaluation of Automotive Seats Based on Life Cycle Assessment (LCA)

2025· article· en· W4409553984 sur OpenAlexaff
Chen Cui, Fu Jian, Tongzhu Zhang, Yalin Liu, Siwei Zheng, Xue Wang, Jing Li

Notice bibliographique

RevueE3S Web of Conferences · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiens123 Certification (Canada)
Organismes subventionnairesnon disponible
Mots-clésCarbon footprintLife-cycle assessmentAutomotive industryFootprintEcological footprintEnvironmental economicsAccountingEngineeringEnvironmental scienceManufacturing engineeringGreenhouse gasBusinessProduction (economics)EconomicsSustainable developmentGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper addresses the challenges of long industrial chains, complex carbon footprint accounting, and high uncertainty in the automotive industry. It systematically reviews studies on carbon footprint accounting of automotive seats based on Life Cycle Assessment (LCA), constructs a framework for carbon footprint evaluation based on LCA, and describes the accounting methods. The study presents the carbon footprint results of a specific automotive driver’s seat, analyzes the causes of carbon emissions at different stages of its life cycle, and concludes that the majority of emissions are concentrated in the raw material acquisition stage. Finally, the paper summarizes the existing issues in automotive seat carbon footprint research and explores future directions, suggesting that measures to reduce the carbon footprint of automotive seats include lightweighting, reducing the use of raw materials such as steel, optimizing manufacturing processes, and increasing the proportion of clean energy.

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)0,003
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil0,378

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,044
Tête enseignante GPT0,392
Écart entre enseignants0,348 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207