MétaCan
Menu
Retour à la cohorte
Enregistrement W2953816775 · doi:10.1139/er-2018-0124

A brief review of palm oil liquid waste conversion into biofuel

2019· review· en· W2953816775 sur OpenAlexvenueno aff
Muhammad Zuber, Wira Jazair Yahya, Ahmad Muhsin Ithnin, Dhani Avianto Sugeng, Hasannuddin Abd Kadir, Mohamad Azrin Ahmad

Notice bibliographique

RevueEnvironmental Reviews · 2019
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueOil Palm Production and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiofuelPulp and paper industryChemistryBiodieselTransesterificationPalm oilOil millBiogasVegetable oil refiningEnvironmental scienceWaste managementFood scienceBiochemistryOrganic chemistryMethanol

Résumé

récupéré en direct d'OpenAlex

Palm oil is an important edible oil because of its high content of beta-carotene and vitamin E, high oil output, and solid fat content. However, its extensive commercialization has resulted in a vast amount of waste, leading to challenges for the development of an economically feasible conversion of palm oil waste into useful products. This review focuses on exploring the various conversion processes of the liquid waste produced from the palm oil processing industry. The main treatment of palm oil mill effluent (POME), which can be separated into fiber, wastewater, residual oils, and other impurities, involves a digestion process that produces biogas, while the fiber and other impurities are often converted into animal feed, soil fertilizer, fermentation media, and yeast production. Residual oil found in POME, known as sludge palm oil (SPO), contains high levels of free fatty acid (FFA). Other residual oils resulting from palm oil refining include palm fatty acid distillate (PFAD) and palm acid oil (PAO) that also have a high FFA content. The transesterification and esterification processes are utilized to convert SPO, PFAD and PAO into fuel.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,011

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 Opus0,026
Tête enseignante GPT0,296
Écart entre enseignants0,270 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetOil Palm Production and SustainabilityTravaux en français237 207