Cross flow microfiltration of starch nanocrystal suspensions
Notice bibliographique
Résumé
Abstract Starch nanocrystals (SNC), because of their interesting barrier properties, are of great interest for the formulation of biodegradable nanocomposites. Conventional production process by acid hydrolysis results in a very low yield and a heterogeneous suspension which limits the possibility of scaling up. A continuous process that includes a microfiltration step for isolating starch nanocrystals during the hydrolysis step may be a solution to increase SNC production yield. The main objectives of this study were, first, to quantify the transmission of SNC through membranes under different operating conditions and then to identify the preponderant fouling phenomenon by using simple linear fouling models. Filtration tests were run using a lab‐scale microfiltration unit. It was equipped with ceramic membranes with a nominal pore sizes of 1.4 µm and 0.8 µm. Suspensions of nanocrystals at 0.01, 0.02 and 0.04 % (w/w) were filtered in a concentration mode under different transmembrane pressures (50, 100, and 150 kPa). Particle size analysis by Dynamic Light Scattering (DLS) showed that microfiltration is an effective tool for suspension fractionation. Mean diameter of SNC particles was reduced to less than 300 nm in permeate. The transmission through the membrane depended on operating conditions and reached 37 %. The permeate flow rate decreased with time to reach a steady value. The decrease rate was higher when the feed concentration increased. Constant pressure filtration models were used to identify the preponderant fouling phenomenon during filtration and highlighted that the decrease in permeate flow was mainly due to a cake formation on membrane surface.
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 | 0,000 | 0,000 |
| 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 ».