MétaCan
Menu
Retour à la cohorte
Enregistrement W7037201209

Development and comparative lifecycle assessment of various LDPE and HDPE production processes based on CO2 capture and utilization

2022· dissertation· en· W7037201209 sur OpenAlexaboutno aff

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2022
Typedissertation
Langueen
DomaineChemical Engineering
ThématiqueCarbon dioxide utilization in catalysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLow-density polyethyleneNaphthaHigh-density polyethylenePolyethyleneProduction (economics)Life-cycle assessmentProcess (computing)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Low-density polyethylene (LDPE) and high-density polyethylene (HDPE) are some of the most commonly used materials worldwide. These polymers are typically produced through the polymerization of ethylene which is conventionally produced through the energy-intensive steam cracking of naphtha or ethane. However, the conventional production process for LDPE and HDPE results in significant greenhouse gas emissions (1.92 and 1.86 kg CO2/kg of polymer, respectively). 
\nHence, this work focuses on the design of alternative pathways based on CO2 capture and utilization (CCU) for polymer production. The proposed pathways for CCU-polymers are based on the conversion of CO2 to methanol, followed by the methanol-to-olefins (MTO) process to produce mainly ethylene, and consequently LDPE and HDPE from ethylene. The process design and simulation of the entire pathway are conducted in AspenPlus, while the life cycle assessment (LCA) is done through OpenLCA. 
\nThe LCA results showed that the CCU-MTO pathway is an environmentally attractive option, particularly in regions where renewable (low-carbon) electricity is more prominent, such as Quebec and Ontario, where negative CO2 emissions are achieved. This makes polymer production via the proposed method suitable for the permanent mitigation of CO2.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,209
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,307
Écart entre enseignants0,265 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrum Research Repository (Concordia University)Même sujetCarbon dioxide utilization in catalysisTravaux en français237 207