Conversion of end-of-life waste streams to low carbon fuels and materials in a circular economy model
Notice bibliographique
Résumé
Problem statement: Post-consumer and industrial wastes involving plastics quickly lose their physicochemical integrity and utility value, hence becoming a global environmental pollutant damaging the entire ecosystem. Heterogeneity and end value have hampered recycling; Only 9 % plastics is recycled globally, with Canada and US recycling 6 and 4 %, respectively. Conventional technologies such as incineration solves mass to volume waste problem but adds to pollution levels. Like other world economies, Canada and US diverts 82 and 73% plastic wastes to landfills. However, landfills have become pollution hubs due to soil and water leachates, and air pollution, thus the need for a paradigm shift to sustainable safe approaches to waste management. The purpose of this study is to investigate the hybrid conversion process of unsorted waste streams and non-hazardous reaction media to produce low carbon fuels (H₂) and materials (char and oil). Method & Experimental procedure: Leveraging on superior water sub-and-supercritical properties, and the negation for the feedstock drying step, competitive hydrothermal conversion technology was investigated at different reaction conditions. Results: Preliminary batch results revealed 0.041g H₂/g feed and 0.005g CH₄/g feed; 88.2 % char yield with improved thermal stability; up to 16.22% liquid yield containing high value components such as phenols, syringols, Guaiacol, cresols, etc. Conclusions & Significance: Hybrid hydrothermal conversion addresses environmentally unsafe and challenging heterogenous wastes by converting them to green high value products in a circular economy model. Further studies on continuous scale, catalysis and various waste feedstocks are underway to fully optimize the operation parameters in preparation for future commercial adoption.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».