MétaCan
Menu
Retour à la cohorte
Enregistrement W2019721334 · doi:10.1177/1082013206064150

Comparative Evaluation of Regenerative Capacity of Different Adsorbents and Filters for Degraded Frying Oil

2006· article· en· W2019721334 sur OpenAlexaff
S. S. Phogat, G.S. Mittal, Yukio Kakuda

Notice bibliographique

RevueFood Science and Technology International · 2006
Typearticle
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAdsorptionFiltration (mathematics)ChemistryChromatographyPulp and paper industryFood scienceMathematicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The quality of degraded frying oil using Magnasol and Filtrite adsorbents was evaluated. Level of adsorbents (1%, 2% and 3%), treatment duration (2min, 5min and 8min) and temperature (60°C and 160°C) were the processing variables considered. The maximum improvement was up to an extent of 7.0% to 8.8%, 15.2% to 18%, 11.7% to 14.6% and 4.5% to 5.9% for capacitance (C), viscosity (μ), photometric colour index (PCI) and free fatty acids (FFAs), respectively. Specific gravity (γ) and colour parameters (L*, a*, b* and ΔE*) showed no significant difference due to treatments. The interaction of temperature and adsorbent level showed a more pronounced effect. The use of an adsorbent with different filters in a device, used at the food service establishment to filter oil under high-pressure, improved oil quality except for FFAs. The maximum reduction in C, γ, PCI and FFAs varied between 5.1% to 42.6%, 7.4% to 33.3%, 7.8% to 62.7% and 0.5% to 4.4%, respectively, depending upon filtration treatment. Colour parameters and γ were not affected. Polishing of oil by circulating it through the device for up to 30min also provided improvement in γ, C, μ, PCI and FFAs in the ranges of 0.18–0.40%, 19.3–27.2%, 16.0–23.7%, 28.7–42.9% and 1.1–2.2%, respectively. The combination of active and passive filtration systems has good prospects for oil quality improvement.

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 enseignants0,024
Score d'incertitude au seuil0,279

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 recherche0,0000,000
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 Opus0,079
Tête enseignante GPT0,327
Écart entre enseignants0,248 · 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

Citations7
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Science and Technology InternationalMême sujetEdible Oils Quality and AnalysisTravaux en français237 207