Biodiesel Productions from Vegetable Oils Using Heterogeneous Catalysts and Their Applications as Lubricity Additives
Notice bibliographique
Résumé
Fatty acid methyl esters (FAME) are produced by transesterification of vegetable oil with methanol usually in presence of an alkaline catalyst. The purpose of this work is to compare the performance of heterogeneous (CaO, MgO, Ba(OH) <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sub> , Li/CaO, Zeolite) and homogeneous (KOH) catalyst for the transesterification of vegetable oil. The effect of stirring speed and addition of ethanol with methanol on ester yield was studied. This research showed that stirring speed has substantial effect on the ester yield both in homogeneous and heterogeneous catalyzed reaction. Addition of ethanol with methanol has improved the rate of formation of ester, thus helped in reducing the mass transfer limitations. Amongst all the heterogeneous catalysts examined, the performance of Ba(OH) <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sub> catalyst was better which produced 99 wt% ester yield in 480 min and its performance was comparable to that of potassium hydroxide. Ester obtained from canola oil and methanol and ethanol mixture (3:3) {MEE (3:3)} acted as a good lubricity additive by reducing wear scar area by 16% and improving the lubricity number of base fuel by 20%.
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 ».