MétaCan
Menu
Retour à la cohorte
Enregistrement W2312517239 · doi:10.1021/ie504271w

Concentration and Detoxification of Kraft Prehydrolysate by Combining Nanofiltration with Flocculation

2015· article· en· W2312517239 sur OpenAlexafffund
Olumoye Ajao, Morgane Le Hir, Mohamed Rahni, Mariya Marinova, Hassan Chadjaâ, O. Savadogo

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensCentre National en Électrochimie et en Technologies EnvironnementalesPolytechnique Montréal
Organismes subventionnairesNetworks of Centres of Excellence of CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryNanofiltrationPulp and paper industryBiofuelFlocculationKraft paperKraft processFermentationChromatographyMembraneOrganic chemistryWaste managementBiochemistry

Résumé

récupéré en direct d'OpenAlex

The prehydrolysate stream from a Kraft dissolving pulp mill can be valorized by fermentation of the hemicellulosic sugars into biofuels or bioproducts, such as ethanol or butanol, instead of the typical practice of combustion to produce energy. An obstacle facing the use of Kraft hemicelluloses prehydrolysate for biofuels production is the low sugar concentration and the presence of fermentation inhibitors that include organic acids, furans and phenolic compounds. A precondition to ensure the survival of the fermentation microorganisms and to have high fermentation yields is to remove the inhibitors. Concentration of the prehydrolysate is also necessary to reduce the size of the processing equipment and decrease the energy cost. The purpose of this study was to develop a strategy for the concentration and detoxification of hemicelluloses prehydrolysate prior to its conversion into biofuels. Experiments were conducted to screen and select suitable organic membranes among 7 samples of reverse osmosis, nanofiltration, and ultrafiltration membranes. Three membranes (Dow NF270, Trisep TS40, and Trisep XN45) showed the highest sugar retentions relative to inhibitors removal. They were however not efficient for the removal of the phenolic compounds. It was also found that flocculation with ferric sulfate as coagulant could be utilized as a secondary detoxification step that can be combined with nanofiltration. The optimization of the flocculation step with a jar test showed that the highest phenolics removal (∼80%) can be obtained when the ratio of ferric ions to phenols is 1 g/g, and the pH is between 6.5 and 7.5. A new process concept for the detoxification and concentration has been developed based on these experimental results.

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)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,067
Tête enseignante GPT0,274
Écart entre enseignants0,206 · 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

Citations15
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetBiofuel production and bioconversionTravaux en français237 207