MétaCan
Menu
Retour à la cohorte
Enregistrement W2892065362 · doi:10.5004/dwt.2018.22641

Ultrafiltration for hemicelluloses recovery and purification from thermomechanical pulp mill process waters

2018· article· en· W2892065362 sur OpenAlexaff
Alnour Bokhary, Esmat Maleki, Baoqiang Liao

Notice bibliographique

RevueDesalination and Water Treatment · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésPulp and paper industryUltrafiltration (renal)Pulp (tooth)Pulp millMillPaper millProcess (computing)Waste managementEnvironmental scienceChemistryEngineeringChromatographyEffluentComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Process waters of thermomechanical pulp (TMP) mills contain a large quantity of lignocellulosic materials that end up in the wastewater for biological treatment. The recovery of hemicellulose and lignin from these process water as value-added chemicals is beneficial for TMP mills because it reduces the organic loading to the wastewater treatment facility. The performance of three hydrophilic ultrafiltration (UF) membranes made of regenerated cellulose with different molecular weight cut-offs (5, 10, and 30 kDa) for hemicelluloses recovery and purification was evaluated in a laboratory-scale dead-end stirred cell filtration unit. The results of this study showed that 5 and 10 kDa membranes gave much better recovery and purity for hemicelluloses than 30 kDa membranes. The recovery of the hemicelluloses was above 95% for 5 kDa and around 89% for 10 kDa, with hemicellulose purity of approximately 75% and 80%, respectively. Cut-offs of 5 and 10 kDa seem to be operationally feasible for the separation of hemicelluloses, while 30 kDa cut-off membrane was unsuitable for hemicellulose recovery. An optimal cut-off of 10 kDa membrane gave the highest purity of hemicelluloses (80%).

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 enseignants0,011
Score d'incertitude au seuil0,327

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 Opus0,030
Tête enseignante GPT0,302
Écart entre enseignants0,272 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDesalination and Water TreatmentMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207