MétaCan
Menu
Retour à la cohorte
Enregistrement W2586732805 · doi:10.1021/acs.iecr.6b04405

Production and Characterization of Pyrolysis Oil from Sawmill Residues in an Auger Reactor

2017· article· en· W2586732805 sur OpenAlexafffund
Sadegh Papari, Kelly Hawboldt, Robert Helleur

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMemorial University of NewfoundlandCanada Foundation for InnovationBioFuelNet Canada
Mots-clésPyrolysisSoftwoodSawdustChemistryYield (engineering)Pulp and paper industryHardwoodVolumetric flow ratePyrolysis oilInert gasMaterials scienceOrganic chemistryComposite materialBotany

Résumé

récupéré en direct d'OpenAlex

In this study, the significant process variables of a pilot auger reactor (i.e., temperature, feed flow rate, and the vacuum fan speed) are investigated to optimize pyrolysis oil (py-oil) yield and properties. The auger reactor uses steel shot as a heat carrier and operates without inert carrier gas. For the pyrolysis of softwood shavings, the optimum conditions are 450–475 °C temperature, a 4 kg/h feed flow rate, and a 2415 rpm vacuum fan speed producing an oil yield of 53%. The water content of the oil was minimized under these conditions to 24–26% and produced a single phase liquid. Hardwood sawdust (HW), Softwood shavings (SW), and Softwood Bark (SB) were pyrolyzed at these conditions to compare py-oil yield and chemical and physical characteristics, such as chemical composition, water content, total acid number (TAN), pH, density, viscosity, solids content, and HHV. The chemical components in py-oil were identified by GC-MS.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,633

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,057
Tête enseignante GPT0,291
Écart entre enseignants0,234 · 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

Citations32
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207