Production and Characterization of Biodiesel from Allamanda Cathertica Oil
Notice bibliographique
Résumé
The gradual depletion of world petroleum reserves and the impact of environmental pollution due to increasing exhaust emissions have necessitated the urgent need to develop alternative energy resources, such as biodiesel fuel. Vegetable oil is a promising feedstock because it has several advantages; it is renewable and environmental friendly. The present study involves extraction of oil from Allamanda cathertica seed (Allamanda), Azadarachta indica and Jatropha caucus; conversion of the oil into biodiesel and the characterization of the methyl ester. Transesterification of the different feed stocks was conducted using sodium methaoxide (NaMt), sodium ethaoxide(NaEt), potassium methaoxide (PMt) and potassiumethaoxide (PEt) as catalysts, using a range of reaction temperatures (45, 50, 55, 60 and 65OC) and different rates of stirring. Result showed that Allamanda seed produced 54% oil yield using mechanical extraction. The biodiesel yield was 97% using NaMt and NaEt as catalysts, while azadarachta oil gave 95% yield with PEt catalyst alone. Jatropha oil gave a yield of 70% biodiesel with all the catalysts used. The yield of biodiesel from Allamanda oil with respect to temperature were 63, 88, 94, 46 and 20% respectively. Characterization of the biodiesel produced from Allamanda oil compared favorably with the ASTM standards, viscosity 5.4, flash point 115OC, refractive index 1.4756 and energy value 35.0MJ/L. The GCMS analysis of Allamanda methyl ester showed a range of 10 different methyl esters which includes hexadecanoic acid (24%), linoleic acid (14.8%), 13-Decosenoic acid (35.3%), 9-Octadecanoic acid (13.5%). The work concludes that allamanda oil could be a good and alternative feedstock to the edible feedstocks currently in use for biodiesel production.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».