Closing the Loop: How Regenerative Robust Gasification Enhances Recycling and Supply Chain Resilience
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.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle