MétaCan
Menu
Retour à la cohorte
Enregistrement W1586718344 · doi:10.18331/brj2015.1.4.7

A study of production and characterization of Manketti (Ricinodendron rautonemii) methyl ester and its blends as a potential biodiesel feedstock

2014· article· en· W1586718344 sur OpenAlexvenueno aff
A.E. Atabani, M. Mofijur, H.H. Masjuki, Irfan Anjum Badruddin, Wen Tong Chong, Sit Foon Cheng, Shiou Wah Gouk

Notice bibliographique

RevueBiofuel Research Journal · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRaw materialBiodieselBiodiesel productionPulp and paper industryCharacterization (materials science)Production (economics)Organic chemistryMaterials scienceChemistryEngineeringNanotechnologyCatalysis

Résumé

récupéré en direct d'OpenAlex

Globally, more than 350 oil-bearing crops are known as potential biodiesel feedstocks. This study reports on production and characterization of Manketti (Ricinodendron rautonemii) methyl ester and its blends with diesel. The effect of Manketti biodiesel (B5) on engine and emissions performance was also investigated. The cloud, pour and cold filter plugging points of the produced biodiesel were measured at 1, 3 and 5 °C, respectively. However, the kinematic viscosity of the biodiesel generated was found to be 8.34 mm2/s which was higher than the limit described by ASTM D6751 and EN 14214. This can be attributed to the high kinematic viscosity of the parent oil (132.75 mm2/s). Nevertheless, blending with diesel improved this attribute. Moreover, it is observed that at all engine speeds, B5 produced lower brake power (1.18%) and higher brake specific fuel consumption (2.26%) compared to B0 (neat diesel). B5 increased the CO and HC emissions by 32.27% and 37.5%, respectively, compared to B0. However, B0 produced 5.26% higher NO emissions than B5.

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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,047
Tête enseignante GPT0,318
Écart entre enseignants0,271 · 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

Citations40
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiofuel Research JournalMême sujetBiodiesel Production and ApplicationsTravaux en français237 207