MétaCan
Menu
Retour à la cohorte
Enregistrement W4412189631 · doi:10.3390/en18143629

Energy Efficiency in Buildings Through the Application of Phase Change Materials: An In-Depth Analysis of the Integration of Spent Coffee Grounds (SCGs)

2025· article· en· W4412189631 sur OpenAlexaff
Abir Hmida, Fouad Erchiqui, Abdelkader Laafer, Mahmoud Bourouis

Notice bibliographique

RevueEnergies · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésCoffee groundsPhase changeEfficient energy useEnergy (signal processing)Phase (matter)Environmental scienceComputer scienceEnvironmental economicsEngineeringEngineering physicsChemistryAgricultural engineeringElectrical engineeringEconomicsPhysics

Résumé

récupéré en direct d'OpenAlex

Energy demand in the building sector has drastically increased due to rising occupant comfort requirements, accounting for 30% of the world’s final energy consumption and 26% of global carbon emissions. Thus, to improve building efficiency in heating and cooling applications, phase change material (PCM)-based passive thermal management techniques have been considered due to their energy storage capabilities. This study provides a comprehensive review of the research on PCM applications, types, and encapsulation forms. Various solutions have been proposed to enhance PCM performance. In this review, the authors suggest new methods to improve PCM efficiency by using the multilayered wall technique, which involves employing two layers of a hybrid bio-composite—specifically, the hybrid hemp/wood fiber-reinforced composite with a polypropylene (PP) matrix—along with a layer of PCM made from spent coffee grounds (SCGs). Previous studies have shown that oil extracted from SCGs demonstrates good thermal and chemical stability, as it contains approximately 60–80% fatty acids, with a phase transition temperature of approximately 4.5 ± 0.72 °C and latent heat values of 51.15 ± 1.46 kJ/kg.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,943

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,047
Tête enseignante GPT0,341
Écart entre enseignants0,294 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetPhase Change Materials ResearchTravaux en français237 207