Separation of Heavy Metals Copper (Cu) and Nickel (Ni) from Industrial Wastewater by Adsorption Using Chitosan Shrimp Shell
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Shrimp shell contains chittin that can be processed become chitosan. Chitosan can be used as bioadsorbent totreat heavy metals content in wastewater. The purposes of this research are to find deacethylation degree ofchitosan from shrimp shell, the constant value of adsorption affinity (k) and adsorption efficiency for variousvariation mass and size of chitosan, heavy metal concentration (solute) in wastewater and to compare adsorptionefficiency between syntetic solution and industrial wastewater. The size variation of the chitosan are 20 meshand 40 mesh. The type of adsorption used is batch until 4 hours with 5 rpm as agitation rate. Deasethylizationdegree for chitosan 20 mesh and 40 mesh are resulted as 75,61% and 77,71 %. More amount of chitosan usedand the smaller size of chitosan make the adsorption efficiency higher as 92,52%. A synthetic solution and PTSIER industrial wastewater are types of wastewater used. PT SIER wastewater contains other metals that canhamper the adsorption of desired metals. Ni is easier to adsorp with 92,52% efficiency than Cu which hasefficiency of 88,52%, because atomic radius of Ni is smaller than Cu. Adsorption affinity constant is influencedby size of the chitosan. The smaller size of chitosan make adsorption affinity constant higher than the bigger size(which is 0,13).
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle