MétaCan
Menu
Retour à la cohorte
Enregistrement W2789476516 · doi:10.21967/jbb.v3i1.123

Effect of wet storage on alkali-oxygen pulping of bagasse

2018· article· en· W2789476516 sur OpenAlexvenueno aff
Zhen Shang, Bing Sun, Yuxin Liu, Li Bao

Notice bibliographique

RevueJournal of Bioresources and Bioproducts · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBagasseSoda pulpingPulp (tooth)Pulp and paper industryKappa numberCrystallinityHemicelluloseChemistryLigninAlkali metalCelluloseOxygenWaste managementMaterials scienceOrganic chemistryKraft processDentistryMedicineKraft paper

Résumé

récupéré en direct d'OpenAlex

Carbohydrate degradation is a serious problem in alkali-oxygen pulping due to the inherently oxidative reaction conditions. Hemicellulose and short-chain cellulose are particularly susceptible to degradation by oxidation, and thus have a great effect on the pulping yield, as well as the viscosity and crystallinity of resultant pulp in alkali-oxygen pulping. Removal of the low molecular weight substances by wet storage prior to alkali-oxygen pulping may increase the pulping yield and improve pulp properties, in addition to savings in pulping chemicals and energy. This paper investigated alkali-oxygen pulping of bagasse pretreated by wet storage, and results show that wet storage of bagasse had a significant effect on its alkali-oxygen pulping, in terms of pulping yield, pulp viscosity and crystallinity. The pH and time were found to be the two most important factors in wet storage on bagasse. Pulp crystallinity increased from 31.78% to 42.06% when the wet storage of bagasse was performed at pH 6.0 for 16 days. In addition, the screened pulp yield increased from 58 to 60%, and pulp viscosity increased from 650 to 700 mL/g. The improved pulping performance was attributed to increased pore volumes in bagasse due to dissolution of low molecular weight lignin and carbohydrates during wet storage, which in turn improved the selectivity of delignification in the alkali-oxygen pulping process.

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)0,000
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 seuil0,341

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,204
Écart entre enseignants0,200 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bioresources and BioproductsMême sujetLignin and Wood ChemistryTravaux en français237 207