Closing the Loop: How Regenerative Robust Gasification Enhances Recycling and Supply Chain Resilience
Notice bibliographique
Résumé
Municipal solid waste (MSW) recycling is constrained by contamination, heterogeneity, and infrastructure built around material-specific pathways. We introduce effectiveness-normalized greenhouse gas (GHG) emissions as a system-level metric that adjusts reported process burdens by feedstock eligibility (Effectiveness Fraction, EF) and carbon recovery efficiency (CRE) to reflect real-world MSW conditions. Using published LCA data and engineering estimates, we benchmark six pathways, mechanical recycling, PET depolymerization, enzymatic depolymerization, pyrolysis, supercritical water gasification (SCWG), and Regenerative Robust Gasification (RRG), at the scale of mixed MSW. Normalizing for EF and CRE reveals large differences between process-level and system-level performance. Mechanical recycling and PET depolymerization show low process intensities yet high normalized impacts because they can treat only a small share of plastics in MSW. SCWG performs well at broader eligibility. RRG, a plasma-assisted molten-bath approach integrated with methanol synthesis, maintains the lowest normalized impact (~1.6 t CO2e per ton of recycled polymer) while accepting virtually all organics in MSW and vitrifying inorganics. Modeled methanol yields are ~200–300 gal·t−1 without external hydrogen and up to ~800 gal·t−1 with renewable methane reforming. The metric clarifies trade-offs for policy and investment by rewarding technologies that maximize diversion and carbon retention. We discuss how effectiveness-normalized results can be incorporated into LCA practice and Extended Producer Responsibility (EPR) frameworks and outline research needs in techno-economics, regional scalability, hydrogen sourcing, and uncertainty analysis. Findings support aligning infrastructure and procurement with robust, scalable routes that deliver circular manufacturing from heterogeneous MSW.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».