MétaCan
Menu
Retour à la cohorte
Enregistrement W1973438915 · doi:10.1002/cjce.20033

Ultrasound‐facilitated electro‐oxidation for treating cyan ink effluent

2008· article· en· W1973438915 sur OpenAlexvenueno aff
Chee‐Yong Chua, Kai‐Chee Loh

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensnon disponible
Organismes subventionnairesNational University of Singapore
Mots-clésSonicationHydrogen peroxideChemistryCyanEffluentRedoxKineticsCopperElectrolysisChemical engineeringNuclear chemistryInorganic chemistryOrganic chemistryChromatographyWaste managementElectrodePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The feasibility of using ultrasonication in combination with the Fenton's reaction was investigated for treating cyan ink effluent. A two‐step treatment process was developed—the first step was an ultrasound‐assisted electro‐oxidation, while the second was chemical oxidation through the addition of hydrogen peroxide. The use of electro‐oxidation in the first step significantly reduced the amount of iron needed compared with the conventional Fenton's reaction, resulting in a 98% reduction in the amount of sludge produced. A simple technique based on refractive index measurements was introduced as a rapid way to quantify the amount of sludge produced. It was postulated that ultrasonication in the presence of iron (from electrolysis) in the first step converted the ink components into reaction intermediates which were more amenable to peroxide oxidation in the second step. These intermediates were quantified by ultra‐violet absorption at wavelengths of 275–400 nm. The two‐step treatment process was able to reduce the COD and copper contents in the ink waste water to within the discharge limit, which conventional Fenton's reaction was unable to meet for copper discharge. The same COD removal was also achieved in about half the time. Kinetics study performed to further understand the reaction mechanisms show second‐order kinetics for both steps with activation energies of 18.2 and 20.4 kJ/mol for steps 1 and 2, respectively.

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 enseignants0,073
Score d'incertitude au seuil0,304

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,188
Écart entre enseignants0,181 · 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

Citations8
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetAdvanced oxidation water treatmentTravaux en français237 207