Emerging Biodrying Technology for the Drying of Pulp and Paper Mixed Sludges
Notice bibliographique
Résumé
Effective sludge management is increasingly critical for pulp and paper mills due to high landfill costs and complex regulatory frameworks for options such as sludge landspreading and composting. Sludge dewatering challenges are exacerbated at many mills due to improved in-plant fiber recovery coupled with increased production of secondary sludge, leading to a mixed sludge with a high proportion of biological matter that is difficult to dewater. Various drying technologies have emerged to address this challenge of sludge management, whose objective is to increase the dryness of mixed sludge to above critical levels (≈42% dryness) for efficient and economic combustion in the boiler for steam generation. The advantages and disadvantages of these technologies are reviewed in this article, and it is found that many have significant technical uncertainties and/or questionable economics. A biodrying process, enhanced by biological heat generation under forced aeration, is introduced that has significant promise. A techno-economic analysis of the batch biodrying process at a case study mill showed an annual operating cost savings of about $2 million, including the elimination of landfilling practices and supplemental fuel requirements in the boiler. It was shown that if a biodrying residence time of less than 4 days can be achieved, payback periods of 2 years or less can result in many mills. The potential for the development of a continuous biodrying reactor and the fundamentals of its mathematical modeling are thus presented. Compared to the batch reactor configuration, it is expected that the continuous process would result in improved process flexibility and controllability, lower investment and operating costs due to shorter residence times, and an improved potential to fit into the crowed pulp and paper mill site.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».