MétaCan
Menu
Retour à la cohorte
Enregistrement W2126741620 · doi:10.1007/s11746-010-1718-3

Optimizing Reaction Conditions for the Isomerization of Fatty Acids and Fatty Acid Methyl Esters to Their Branch Chain Products

2010· article· en· W2126741620 sur OpenAlexaff
Stephen J. Reaume, Naoko Ellis

Notice bibliographique

RevueJournal of the American Oil Chemists Society · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIsomerizationOleic acidChemistryCatalysisFatty acidCloud pointOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In order to improve the oxidative stability and cold flow properties of oleic acid or methyl oleate, branch chain isomerization was conducted using a beta zeolite catalyst. Reaction conditions of temperature (200–300 °C), pressure (0.1–3.0 MPa), and co‐catalyst (0–2 wt%) were optimized based on branch chain conversion and the cloud point of the ester following the isomerization reaction of oleic acid or methyl oleate. Fourier transform infrared spectroscopy (FTIR) and Gas Chromatograph equipped with Mass Spectrometry (GC/MS) analyses were used to analyze and quantify the isomerization product samples, while the cloud point of each sample was tested. The lowest and therefore, best cloud point measured was −15.2 °C at conditions of 200 °C, 3 MPa, and 2% co‐catalyst using methyl oleate as a starting material. The highest branch chain conversion achieved was 50% under conditions of 300 °C, 1.5 MPa and 0% co‐catalyst using oleic acid as a starting material. The use of oleic acid and methyl oleate is based on whether it is optimal to carry out the skeletal isomerization before or after the esterification reaction. Performing the isomerization reaction on the ester was preferred over the fatty acid based on the trans isomerization and cloud point results. Reducing the unbranched trans isomers was desirable in obtaining a low cloud point.

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 enseignants0,016
Score d'incertitude au seuil0,282

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,242
Écart entre enseignants0,231 · 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

Citations23
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Oil Chemists SocietyMême sujetBiodiesel Production and ApplicationsTravaux en français237 207