Studi Pemanfaatan Produk Recovery Alum Dari Lumpur IPAM sebagai Koagulan pada Proses Koagulasi – Flokulasi
Notice bibliographique
Résumé
Produksi Lumpur unit Clearator pada Instalasi Pengolahan Air Minum (IPAM cukup besar. Lumpur dari unit clearator ini masih mengadung alumunium cukup besar. Kandungan Al dalam lumpur ini dimungkinkan bisa dimanfaatkan kembali melalui proses recovery. Metode recovery dalam penelitian menggunakan proses asidifikasi, dengan menambahkan larutan asam sampai pH 1-3. Efektifitas Al hasil recovery diuji dengan menambahkan pada proses koagulasi flokulasi menggunakan air baku yang sama. Penelitian dilakukan dengan variasi pH, kecepatan dan waktu pengadukan. Variasi pH dilakukan pada pH 2, 3 dan 4 sedangkan kecepatan pengadukan pada 100 dan 120 rpm, dengan waktu masing – masing 30 dan 45 menit. Hasil penelitian proses recovery alum diperoleh kondisi terbaik pada pH 2, kecepatan pengadukan 100 rpm, dengan waktu pengadukan 45 menit, menghasilkan kadar alum sebesar 3,2912 mg Al/gram lumpur kering. Efektifitas Al recovery diuji pada proses koagulasi dan flokulasi dengan kombinasi Al recovery dan Tawas asli pada variasi kekeruhan air 13 NTU, 11NTU dan 10 NTU. Hasil penelitian terbaik pada kekeruhan air 11 NTU dengan kombinasi Tawas asli dan Al recovery 3:2 menghasilkan kekeruhan akhir 0,75 NTU. Analisis perbandingan biaya Al produk recovery, kombinasi dan Tawas asli berturut turut sebesar Rp 32500, Rp 13510, dan Rp 850. Proses recovery tidak layak untuk proses bisnis, namun layak untuk pengendalian pencemaran lingkungan.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».