Process efficiency of casein separation from milk using polymeric spiral-wound microfiltration membranes
Notice bibliographique
Résumé
Microfiltration is largely used to separate casein micelles from milk serum proteins (SP) to produce a casein-enriched retentate for cheese making and a permeate enriched in native SP. Skim milk microfiltration is typically performed with ceramic membranes and little information is available about the efficiency of spiral-wound (SW) membranes. We determined the effect of SW membrane pore size (0.1 and 0.2 µm) on milk protein separation in total recirculation mode with a transmembrane pressure gradient to evaluate the separation efficiency of milk proteins and energy consumption after repeated concentration and diafiltration (DF). Results obtained in total recirculation mode demonstrated that pore size diameter had no effect on the permeate flux, but a drastic loss of casein was observed in permeate for the 0.2-µm SW membrane. Concentration-DF experiments (concentration factor of 3.0× with 2 sequential DF) were performed with the optimal 0.1-µm SW membrane. We compared these results to previous data we generated with the 0.1-µm graded permeability (GP) membrane. Whereas casein rejection was similar for both membranes, SP rejection was higher for the 0.1-µm SW membrane (rejection coefficient of 0.75 to 0.79 for the 0.1-µm SW membrane versus 0.46 to 0.49 for the GP membrane). The 0.1-µm SW membrane consumed less energy (0.015-0.024 kWh/kg of permeate collected) than the GP membrane (0.077-0.143 kWh/kg of permeate collected). A techno-economic evaluation led us to conclude that the 0.1-µm SW membranes may represent a better option to concentrate casein for cheese milk; however, the GP membrane has greater permeability and its longer lifetime (about 10 yr) potentially makes it an interesting option.
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 | 0,001 | 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 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 ».