MétaCan
Menu
Retour à la cohorte
Enregistrement W2097413812 · doi:10.5539/eer.v4n2p11

Green Technology for Biodiesel Production From Mesua Ferrea L. Seed Oil

2014· article· en· W2097413812 sur OpenAlexvenueno aff
Mohammad Aslam, Prashant Saxena, Anil Kumar Sarma

Notice bibliographique

RevueEnergy and Environment Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodieselCatalysisMaterials scienceBiofuelBiodiesel productionTransesterificationPulp and paper industryBiomass (ecology)ChemistryChemical engineeringNuclear chemistryWaste managementOrganic chemistryAgronomy

Résumé

récupéré en direct d'OpenAlex

In this paper, the non-edible Mesua ferrea L. (MFL) seed oil with an acid value 18.8 mg KOH/g of oil, was tranesterified in the presence 1 MPa hydrogen pressure and also without the application of external pressure at 250–275 °C for 1 hour. The heterogeneous 1–5 wt.% Musa balbisiana Colla underground stem (MBCUS) ash catalyst was used during transesterification. The catalyst has a nano-metric dimension and has a versatile composition that consist of several alkali metal oxides, alkaline earth metal oxides, non-transition metal oxides and nonmetal oxides. The resultant biodiesel was separated using rotary vacuum evaporator and purified using molecular sieve and carbon columns. The biodiesel so obtained from MFL seed oil have been characterized as per available methods and found that the fuel properties are in conformity to ASTM and EN standards. 5 wt.% catalyst was found more effective as compared to other composition during ethanolysis. The effect of hydrogen pressure upon tranesterification was found negligible. Ethanol is a renewable liquid because it is made from renewable precursor such as biomass. It is expected that the use of whole renewable precursor during the process will fulfil the demand of 100% Green Technology for biodiesel production.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,029
Tête enseignante GPT0,253
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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

Citations46
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy and Environment ResearchMême sujetBiodiesel Production and ApplicationsTravaux en français237 207