MétaCan
Menu
Retour à la cohorte
Enregistrement W2317367506 · doi:10.1021/acs.iecr.5b00320

Modeling Phase Equilibria for the Glycine–NH<sub>4</sub>Cl–Methanol–Water System and Its Application for the Industrial Monochloroacetic Acid Process

2015· article· en· W2317367506 sur OpenAlexaff
Yan Zeng, Zhibao Li, Edouard Asselin

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2015
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueChemical and Physical Properties in Aqueous Solutions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésUNIQUACChemistryMethanolSolubilityElectrolyteSolventYield (engineering)Mole fractionThermodynamicsActivity coefficientAqueous solutionOrganic chemistryPhysical chemistryNon-random two-liquid model

Résumé

récupéré en direct d'OpenAlex

As a continuation of our previous study, this work focuses on the determination and modeling of phase equilibria for the mixed-solvent electrolyte system containing glycine, ammonium chloride (NH 4 Cl), methanol, and water. This electrolyte is used in the monochloroacetic acid (MCA) process for glycine production. The solubilities for the NH 4 Cl–methanol–water and glycine–NH 4 Cl–methanol–water systems were determined from 283.15 to 323.15 K. The MSE model embedded in the OLI platform was modified by regressing experimental data through adjustment of the UNIQUAC and the middle-range interaction parameters. With the new model parameters, solubilities in the quaternary system were predicted with excellent agreement. The average absolute deviations between the prediction and the experimental solubility are 3.46 and 0.54% for glycine and NH 4 Cl, respectively. OLI Stream Analyzer 9.1 was used with this new MSE model to investigate the effect of the methanol composition and temperature on the yield of glycine crystallization in the MCA process. It was found that a methanol mole fraction of 0.65–0.70 at ambient temperatures was optimal for enhancing the theoretical yield of glycine to 96.5% while minimizing the methanol consumption.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,388
Score d'incertitude au seuil0,870

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,180
Tête enseignante GPT0,348
Écart entre enseignants0,168 · 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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetChemical and Physical Properties in Aqueous SolutionsTravaux en français237 207