This work utilizes a simple ball milling and heating process to synthesize lead zirconium titanate (PZT). The thin film PVDF-PZT separator is fabricated with the use of dimethyl sulfoxide (DMSO) solvent. The separator's characterization is accomplished by using conventional characterization tools to examine its crystallinity, morphology, chemical composition, and other parameters. According to X-ray diffraction (XRD), Energy dispersive spectroscopy (EDS), and Elemental mapping, the separator is extremely pure and free of any impurities. The separator's surface is found to be uniform with minimal porosity. An analysis of the application of the fabricated thin film separator in a supercapacitor is conducted by placing it in between the previously prepared carbon and NiO thin film electrodes. Upon bending, twisting, and applying force, the device displayed output voltage. Twisting results in a maximum output potential of 140 mV, which is higher than some previously reported works. The results show that the PVDF-PZT thin film separator could potentially be utilized in self-charging supercapacitor applications.

Plant diseases, mainly caused by bacteria and fungi, affect crop yield and quality. Detecting disease symptoms at an early stage and promptly is a significant obstacle in safeguarding crops. In developing nations, experts and agronomists commonly opt for visual identification of diseases on vast farms, which incurs both time and monetary expenses. Scientists have suggested diverse deep neural network architectures for recognizing plant ailments. Nevertheless, deep learning algorithms necessitate a vast amount of parameters, which extends the training duration but yields commendable precision. While deep learning and Densenet are widely used in pesticide recommendations. Researchers have suggested diverse deep-learning architectures for detecting agricultural ailments and recommend appropriate pesticides. Test images were diagnosed using an automated Densenet model and the results were verified by plant pathologists. An accuracy of over 92% was achieved in identifying the disease. Our solution is an innovative, scalable and accessible tool for disease management of various crops that can be implemented as a cloud service for farmers and professionals involved sustainable agricultural production.

This study investigated the performance, combustion, and emissions of a modified low heat rejection (LHR) diesel engine fueled with a blend of 90% coconut waste cooking oil (CWCO) biodiesel and 10% diethyl ether (DEE). The engine combustion chamber components were coated with 300μm lanthanum-doped partially stabilized zirconia for thermal insulation. Engine testing was performed at varied loads from 0-100% using an eddy current dynamometer. Exhaust emissions, including hydrocarbons (HC), carbon monoxide (CO), nitrogen oxides (NOx), and smoke were measured. Compared to conventional diesel, the CWCO-DEE blend showed a 3% higher brake thermal efficiency of 33.4% and 2.42% lower brake-specific fuel consumption at full load. HC, CO, and smoke emissions decreased by 18% (39 ppm), 11%, and 19% at higher loads with the blend. However, NOx emissions increased slightly by 21.2%. The DEE compensated for CWCO's lower cetane number and viscosity, while the LHR coating enhanced combustion by providing thermal insulation, raising exhaust gas temperatures by 13%. The improved efficiency and reduced emissions demonstrate the potential of optimized biodiesel-additive blends in conjunction with LHR engine modifications to sustainably utilize inexpensive waste cooking oil feedstocks as renewable diesel replacements. However, further optimization of blend compositions, additives, and coatings is needed to balance performance benefits against possible NOx increases. This study highlights a promising combined approach leveraging engine design and fuel advancements.

Abstract The conventional design of steel structure objects relies on a first-order elastic analysis, where the entire object is treated as a set of individual structural elements requiring time-consuming, semi-empirical design calculations. Such an approach leads to inefficient design time and excessive material consumption and may additionally result in designing on the verge of structural safety. The AEC sector's technological and digitization advancement process forces designers to use advanced design methods. Hence, it is necessary to indicate the benefits of using effective optimization. The paper presents a comparative analysis of steel domes using two design approaches: traditional first-order analysis and an advanced second-order analysis. The latter method considers the influence of structural deformation on the magnitude of internal forces. Eight models were developed, varying in terms of the connection's stiffness. The work results identify the differences between the two selected design approaches and present opportunities for further structural performance of steel structures.

Effective planning, management, and control of industrial plants and processes have exploded in popularity to enhance global sustainability in recent decades. In this arena, computational predictive models have significantly contributed to plant performance optimization. In this regard, this research proposes an Improvised Grey Wolf Optimizer (IGWO) aided Artificial Neural Network (ANN) predictive model (IGWO-ANN Model-1 to 4) to predict the performance (permeate flux) of desalination plants accurately. For this, the proposed models investigated experimental inputs four: salt concentration & feed flow rate, condenser & evaporator inlet temperatures of the plant. Besides, mean squared error (MSE) and the regression coefficients (R2) have been used to assess the models' accuracy. The proposed IGWO-ANN Model-4 shows strong optimization abilities and provides better R2 = 99.3 % with minimum errors (0.004) compared to existing Response Surface Methodology (RSM) (R2 = 98.5 %, error = 0.100), ANN (R2 = 98.8 %, error = 0.060), GWO-ANN (R2 = 98.8 % error = 0.008), models. The proposed models are multitasking, multilayers, and multivariable, capable of accurately analyzing the desalination plant's performance, and suitable for other industrial applications. This study yielded a promising outcome and revealed the significant pathways for the researchers to analyze the desalination plant's performance to save time, money, and energy.

Abstract The elimination of non-conformance is one of the goals of quality management, which can be accomplished by effectively managing and supervising the project. The excellent quality results in increased production and reduced costs, contributing to a rise in the competitive edge. The present body of research has examined the effect of quality management on the performance of building projects in the Indian industry. Different researchers have strived to identify the factors that affect the performance of construction projects. A structured questionnaire was floated to different professionals in the industry, that is, architects, engineers, consultants, developers and researchers, and >152 valid responses were received. The questionnaire asked respondents to respond on a Likert scale of 1–5. The questionnaire asked about the impact of quality on different aspects of the construction project’s performance. Relative importance index (RII) are obtained to rank the elements in order of importance. According to the factor analysis results, three primary components account for 62% of the variance. The results show that the significant aspects of the project affected by quality are rate of rework, project performance, cost, safety, labour productivity and profitability with RII scores of 0.85, 0.82, 0.78, 0.76, 0.75 and 0.74, respectively.

This study offers a thorough comparative analysis of the life cycle assessment of three significant energy storage technologies—Lithium Ion Batteries, Flow Batteries, and Pumped Hydro—evaluating their environmental, economic, and social aspects in a complete manner. When considering the environmental effect, it is evident that Lithium-Ion Batteries surpass Flow Batteries and Pumped Hydro in terms of carbon footprint, water use, and land utilization. Flow Batteries and Pumped Hydro exhibit significant decreases, ranging from 40% to 60%, showcasing their potential as ecologically sound alternatives with heightened sustainability advantages. From an economic standpoint, it can be confidently said that Flow Batteries and Pumped Hydro surpass Lithium-Ion Batteries in terms of both capital and operational expenses, resulting in a decreased Levelized Cost of Storage (LCOS). The examination of percentage change showcases significant decreases, ranging from 20% to 50%, underscoring the economic competitiveness of Flow Batteries and Pumped Hydro. Regarding societal consequences, Flow Batteries and Pumped Hydro exhibit a propensity for heightened job production, augmented community acceptability, and enhanced health and safety records in contrast to Lithium-Ion Batteries. The assessments of percentage change further underscore the societal benefits of Flow Batteries and Pumped Hydro, demonstrating a substantial increase of 40% to 100% in job creation, a notable rise of 6.25% to 12.5% in community acceptability, and a significant decrease of 50% to 75% in health and safety problems. These results jointly emphasize the comprehensive benefits of Flow Batteries and Pumped Hydro, indicating their potential as sustainable, cost-effective, and socially responsible energy storage options. Given the ongoing evolution of the energy landscape, the findings obtained from this research greatly enhance the ability of stakeholders and policymakers to make well-informed decisions in their efforts to design a more environmentally friendly and robust energy future. The study emphasizes the significance of taking into account not only the technological efficacy, but also the wider environmental, economic, and social circumstances when implementing energy storage technology.

This research investigates the manufacture of polymer matrix nanocomposites specifically designed for energy storage applications with a focus on sustainability. Four kinds of polymers (PVA, PLA, PET, PMMA) were created with different percentages of nanofillers (ranging from 1.0% to 2.0%) and polymer concentrations (ranging from 2.5% to 4.0%). The mechanical testing results showed Young's modulus values ranging from 11.8 GPa to 15.2 GPa, and corresponding tensile strengths ranging from 42.9 MPa to 50.2 MPa. The electrical conductivity tests revealed a conductivity range spanning from 1.8 x 10^-3 S/cm to 2.5 x 10^-3 S/cm. The assessment of energy storage capability revealed capacitance values ranging from 115 F/g to 135 F/g, with charge-discharge efficiencies varying between 91.8% and 94.3%. The findings highlight the capability of polymer matrix nanocomposites to achieve customized properties that are favorable for energy storage. This emphasizes the significance of logical design, manufacturing methods, and sustainability factors in advancing these materials for practical use in the renewable energy industry.

In this study, we enhance the cooling efficiency of electronic systems, addressing the increased heat dissipation due to high-performance microprocessors. The trend of miniaturization in electronics necessitates innovative thermal management solutions. Our research focuses on a convective-radiative porous heat sink embedded with functionally graded material (FGM), designed to improve cooling for consumer electronics. Using numerical simulations and the Galerkin Method to solve thermal models, we examine the thermal properties of FGMs following linear and power-law functions. We examine the effects of the FGM's inhomogeneity index, and convective and radiative parameters, on the thermal execution of the porous heat sink. Results indicate that increasing the inhomogeneity index and enhancing convective and radiative parameters significantly improve thermal efficiency. Additionally, the temperature gradient along the FGM fin remains minimal compared to conventional fins, regardless of the parameters. To validate our findings, we compare our thermal predictions from the Galerkin Method with results from the Runge-Kutta method combined with shooting and homotopy analytical methods, showing strong agreement. This study highlights the potential of convective-radiative porous heat sinks with FGM to significantly improve thermal management in electronic systems.