MétaCan
Menu
Retour à la cohorte
Enregistrement W1518864832 · doi:10.5539/mas.v9n7p206

Production of Xylitol from Oil Palm Empty Friuts Bunch: A Case Study on Bioefinery Concept

2015· article· en· W1518864832 sur OpenAlexvenueno aff
Efri Mardawati, Tjandra Setiadi

Notice bibliographique

RevueModern Applied Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensnon disponible
Organismes subventionnairesDirektorat Jenderal Pendidikan Tinggi
Mots-clésXylitolHemicellulosePulp and paper industryBiorefineryXyloseLigninBiomass (ecology)CelluloseHydrolysateSugarPalm oilBiofuelWaste managementHydrolysisChemistryFood scienceEnvironmental scienceFermentationOrganic chemistryAgronomyEngineering

Résumé

récupéré en direct d'OpenAlex

The concept of biorefinery offers the utilization of biomass, in particular agricultural waste, to be converted intoenergy, chemicals, materials, and food. In 2013 Indonesia produced about 27.4 thousand tons of crude palm oil(CPO) which corresponds to approximately 30 thousand tons of oil palm empty fruit bunches (EFB), the biomasswaste from palm oil industries. The huge availability of EFB in Indonesia may serve as a good starting point toimplement the concept of biorefinery. EFB mainly comprises of cellulose, hemicellulose and lignin. Thecellulosic components of EFB have been thoroughly studied, i.e. for the production of bioethanol. Thehemicellulosic component of EFB, which is a polymeric substance that comprises mainly of xylose, has beenbarely explored. This paper reviewed the potential utilization of hemicellulosic component of EFB to beconverted to xylitol, the 5-carbon-sugar-alcohol which is low calorie, low Glycemic Index, and anti-cariogenic.The pretreatment and hydrolysis of EFB and the following fermentation of EFB hydrolysate to xylitol will bediscussed further.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,044
Tête enseignante GPT0,250
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations34
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetBiofuel production and bioconversionTravaux en français237 207