MétaCan
Menu
Retour à la cohorte
Enregistrement W2800274939 · doi:10.1002/cjce.23236

Extraction of macauba kernel oil using supercritical carbon dioxide and compressed propane

2018· article· en· W2800274939 sur OpenAlexvenueno aff
Caroline Portilho Trentini, Roberta Pazinato Cuco, Lúcio Cardozo‐Filho, Camila da Silva

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Equilibria and Thermodynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPropaneSupercritical fluidSupercritical fluid extractionYield (engineering)Extraction (chemistry)ChemistryLauric acidSolventSupercritical carbon dioxideRaffinateChromatographyMaterials scienceOrganic chemistryFatty acidMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract Macauba kernel oil (MKO) was extracted using supercritical CO 2 and compressed propane as the solvent. The influence of temperature (313–353 K for CO 2 and 303–333 K for propane) and pressure (18–22 MPa for CO 2 and 8–12 MPa for propane) on oil yield was investigated, and the results were compared with conventional extraction. A characterization of oil and defatted meal was performed. Temperature and pressure, in the evaluated range, influenced oil yield with the use of CO 2 . For propane, the oil yield was not influenced by the experimental conditions. In the evaluated experimental range, the use of propane and CO 2 provided 100 % and ∼93 % oil yield compared to conventional extraction, respectively. MKO showed a predominance of saturated fatty acids, among which lauric acid was the major constituent. CO 2 presented greater efficiency in the removal of phytosteroids and tocopherols from the macauba kernel, however, the oil extracted with propane presented longer oxidative stability. Defatted meals presented modified physico‐chemical composition and potentiated technological characteristics due to oil removal.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil0,374

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 Opus0,010
Tête enseignante GPT0,208
Écart entre enseignants0,197 · 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

Citations38
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetPhase Equilibria and ThermodynamicsTravaux en français237 207