MétaCan
Menu
Retour à la cohorte
Enregistrement W1919105424 · doi:10.1002/jctb.4582

The transformation of silicon species contained in used oils under industrially relevant alkali treatment conditions

2014· article· en· W1919105424 sur OpenAlexfundno aff
Antonina Kupareva, Päivi Mäki‐Arvela, Henrik Grénman, Kari Eränen, Jarl Hemming, Dmitry Yu. Murzin

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueLubricants and Their Additives
Établissements canadiensnon disponible
Organismes subventionnairesProstate Cancer Canada
Mots-clésAlkali metalSodium hydroxideSiliconChemistryAqueous solutionSodiumDefoamerRaw materialSolventChemical engineeringOrganic chemistryInorganic chemistryDispersant

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND In the lube oil re‐refining industry silicon, coming mainly from antifoaming agents, is recognized to be a contaminant generating undesired solid deposits. The behavior of the hydrogen‐terminated model compound, tetramethyldisiloxane, under base‐catalyzed conditions was investigated at 100 °C in dodecane as the solvent with sodium siloxanolate as an alkali agent. RESULTS The use of sodium siloxanolates led to high reaction rates and selectivity to the liquid products. Experiments with an industrially relevant silicon‐containing substrate, namely silicone‐based antifoam agent showed that its transformation in the presence of 33 wt% aqueous solution of sodium hydroxide resulted in 80% yield of solid sodium siloxanolates, whereas, when sodium siloxanolate was used as an initial alkali agent, no solid products were formed. CONCLUSIONS Experimental results demonstrated that under alkali treatment conditions silicon‐containing species existing in real industrial feedstock undergo transformation reactions, with formation of solid sodium siloxanolates. It was found that the use of sodium siloxanolate as an alkali agent could significantly increase the rate of polydimethylsiloxane depolymerization reaction and completely eliminate formation of the undesired solids under industrially relevant conditions. © 2014 Society of Chemical Industry

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,050
Score d'incertitude au seuil0,560

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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 tête enseignante, 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetLubricants and Their AdditivesTravaux en français237 207