Asphaltenes yield curve measurements on a microfluidic platform
Notice bibliographique
Résumé
We describe a microfluidic apparatus and method for performing asphaltene yield measurements on crude oil samples. Optical spectroscopy measurements are combined with a microfluidic fluid handling platform to create an automated microfluidic apparatus to measure the asphaltene yield. The microfluidic measurements show good agreement with conventional wet chemistry measurements as well as available models. The initial absorbance of the oil is measured, and asphaltenes are removed from the oil by the gradual addition of n-alkane, which leads to flocculation and subsequent filtration. The absorbance of the de-asphalted oil (maltenes) is then measured and the initial asphaltene content is determined by the change in absorbance. The solubility of asphaltene is evaluated by varying the titrant-to-oil ratio (e.g., n-heptane-oil), which induces no, partial, or full precipitation of asphaltenes depending on the chosen ratio. The absorbance of the filtrate is measured and normalized to the maximum content to determine the fractional precipitation at each ratio. Traditionally, a yield curve comprised of 20 such ratios would require weeks to months to generate, while consuming over 6 L of solvent and more than 100 g of crude oil sample. Using the microfluidic approach described here, the same measurement can be performed in 1 day, with 0.5 L of solvent and 10 g of crude oil sample. The substantial reduction in time and consumables will enable more frequent asphaltene yield measurements and reduce its environmental impact significantly.
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 ».