MétaCan
Menu
Retour à la cohorte
Enregistrement W2768238686 · doi:10.1002/cjce.23091

In situ epoxidation of waste soybean cooking oil for synthesis of biolubricant basestock: A process parameter optimization and comparison with RSM, ANN, and GA

2017· article· en· W2768238686 sur OpenAlexvenueno aff
Atanu Kumar Paul, Venu Babu Borugadda, Machhindra S. Bhalerao, Vaibhav V. Goud

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueLubricants and Their Additives
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResponse surface methodologyFourier transform infrared spectroscopyCatalysisVegetable oilEpoxideChemistrySoybean oilEpoxidized soybean oilMaterials scienceLubricantNuclear chemistryChemical engineeringOrganic chemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, the use of artificial neural networks (ANNs) as an alternative tool for modelling and predicting the optimum conversion of the unsaturated fatty acid to epoxide in comparison with the response surface methodology (RSM) was developed. In the present investigation, waste soybean cooking oil (WCO) as biolubricant basestock was prepared via structural modification of unsaturated fatty acids (in situ epoxidation). Optimization of the effect of process parameters on maximum oxirane oxygen content (OOC) was studied using RSM. Interaction among the process parameters, such as C=C bonds to H2O2 molar ratio, catalyst loading, and reaction time was examined by ANOVA. The main focus of this study was to establish optimum OOC conditions using sulphuric acid (H2SO4) as a homogeneous acid catalyst. Optimum OOC of epoxidized waste soybean cooking oil (EWCO) was found to be 4.69 mass% under the experimental conditions of 60 °C temperature, 6 h reaction time, 1.5 g of catalyst loading, and 1:2 molar ratio of C=C bonds to H2O2. The resultant epoxide product was confirmed with the help of Fourier transform infrared spectroscopy (FTIR) (at 844.82 cm−1) and nuclear magnetic resonance spectroscopy (NMR) (at δ 2.8 to δ 3.1 ppm) analysis. Significant physicochemical properties of the prepared lubricant basestock were evaluated at optimum conditions using standard methods. Further, ANN modelling and genetic algorithm (GA) optimization were carried out by using an identical dataset. The results of the study revealed that the chemically modified WCO derivatives also can act as a potential biolubricant basestock.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
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
Métarecherche0,0010,001
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 savante0,0000,000
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 Opus0,010
Tête enseignante GPT0,209
Écart entre enseignants0,199 · 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

Citations38
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetLubricants and Their AdditivesTravaux en français237 207