MétaCan
Menu
Retour à la cohorte
Enregistrement W2590117451 · doi:10.18331/brj2017.4.1.7

Glycerol transesterification with ethyl acetate to synthesize acetins using ethyl acetate as reactant and entrainer

2017· article· en· W2590117451 sur OpenAlexvenueno aff
Amin Shafiei, Hajar Rastegari, Hassan S. Ghaziaskar, Mohammad Yalpani

Notice bibliographique

RevueBiofuel Research Journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensnon disponible
Organismes subventionnairesIsfahan University of Technology
Mots-clésTriacetinChemistryAzeotropeTransesterificationGlycerolEthyl acetateOrganic chemistryAzeotropic distillationCatalysisEthanolDistillation

Résumé

récupéré en direct d'OpenAlex

Transesterification of glycerol with ethyl acetate was performed over acidic catalysts in the batch and semi-batch systems. Ethyl acetate was used as reactant and entrainer to remove the produced ethanol during the reaction, through azeotrope formation. Since the azeotrope of ethyl acetate and ethanol forms at 70 oC, all the experiments were performed at this temperature. Para-toluene sulfonic acid, sulfuric acid, and Amberlyst 36 were used as catalyst. The effect of process parameters including ethyl acetate to glycerol molar ratio (6-12), reaction time (3-9 h), and the catalyst to glycerol weight (2.5-9.0%), on the conversion and products selectivities were investigated. Under reflux conditions, 100% glycerol conversion was obtained with 45%, 44%, and 11% selectivity to monoacetin, diacetin, and triacetin, respectively. Azeotropic reactive distillation led to 100% conversion of glycerol with selectivities of 3%, 48% and 49% for monoacetin, diacetin, and triacetin. During the azeotropic reactive distillation, it was possible to remove ethanol to shift the equilibrium towards diacetin and triacetin. Therefore, the total selectivity to diacetin and triacetin was increased from 55% to 97% through azeotropic distillation.

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 enseignants0,002
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)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,075
Tête enseignante GPT0,352
Écart entre enseignants0,277 · 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

Citations30
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiofuel Research JournalMême sujetCatalysis for Biomass ConversionTravaux en français237 207