Life cycle assessment of gas turbine packages using sustainable materials and additive manufacturing
Bibliographic record
Abstract
Le secteur industriel représente environ 30 % des émissions mondiales de gaz à effet de serre et 37 % de la consommation finale d'énergie, faisant de l'industrie lourde une cible cruciale pour les efforts de décarbonation. Les structures de turbines à gaz (TG) sont de grandes constructions en acier qui supportent le cœur de la turbine. Ces structures présentent un défi de décarbonation en raison de leur intensité matérielle tout en devant répondre à des exigences de robustesse et de facilité d'entretien. Cette recherche examine si le remplacement de l'acier conventionnel par des composites biosourcés ou dérivés de déchets, fabriqués par fabrication additive robotisée (FA), peut réduire l'impact environnemental de deux composants critiques des structures de TG : le socle et le module de filtration d'air. Une analyse complète du cycle de vie (ACV) du berceau à la porte a été réalisée à l'aide d'OpenLCA avec des inventaires secondaires issus de la base de données Ecoinvent. L'analyse a évalué plusieurs catégories d'impact, notamment le potentiel de réchauffement global (PRG), l'épuisement des ressources minérales et fossiles, ainsi que des mesures de toxicité humaine et environnementale. Les résultats démontrent que la substitution de l'acier soudé par des composites bois-plastique (WPC) et du béton enrichi en coquilles d'œufs réduit le PRG d'environ 49 %, principalement en raison de l'énergie intrinsèque plus faible des matières premières et du mix électrique bas-carbone du Canada pour les procédés de FA. Les avantages en termes d'utilisation des ressources et de toxicité étaient moins prononcés, tandis que les impacts sur l'utilisation des terres ont augmenté, mettant en évidence d'importants compromis nécessitant une considération dès les premières phases de conception. Pour mieux saisir ces compromis en phase initiale, cette étude a développé un modèle dynamique de processus unitaire pour le Fused Deposition Modeling (FDM) qui analyse le G-code, simule la demande énergétique couche par couche à l'aide d'un modèle thermique résistance-capacité, et exporte directement dans la base de données ACV les flux de matière et d'énergie résolus dans le temps. Des scripts Python automatisent l'échange de données et la génération de scénarios, permettant des analyses de sensibilité rapides sur des paramètres clés tels que la température de la buse, la densité de remplissage et la distance de transport. Cette intégration transforme l'ACV d'une évaluation rétrospective statique en une approche d'évaluation de conception en phase préliminaire
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".