MétaCan
Menu
Retour à la cohorte
Enregistrement W3009242458 · doi:10.5772/intechopen.89524

Ultrasound for Membrane Fouling Control in Wastewater Treatment and Protein Purification Downstream Processing Applications

2020· book-chapter· en· W3009242458 sur OpenAlexaff
Amira Abdelrasoul, Huu Doan

Notice bibliographique

RevueIntechOpen eBooks · 2020
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensToronto Metropolitan UniversityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésFoulingMembrane foulingMembraneMicrofiltrationUltrafiltration (renal)NanofiltrationFiltration (mathematics)Membrane technologyReverse osmosisChromatographyChemical engineeringChemistryPermeationWastewaterForward osmosisMaterials scienceEnvironmental engineeringEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Membrane fouling is one of the major issues encountered in membrane filtration including microfiltration, ultrafiltration, nanofiltration, and reverse osmosis. Membrane fouling can occur due to the reversible and irreversible deposition of particles, colloids, macromolecules, salts, and other types of elements. As a consequence, fouling causes a significant decrease in the permeate flux due to plugging of membrane pores, and adsorption of fouling material on the membrane’s surface and/or in the pore walls. A lot of research efforts have been directed towards fouling remediation techniques or membrane cleaning alternatives. Although most of these methods are relatively functional, they have drawbacks and limitations. Among these methods, the use of ultrasound has been shown to be effective in enhancing mass transfer, cleaning, disinfection, and controlling fouling. In membrane filtration processes, ultrasound can help accelerating the permeate flux towards the membrane and decreasing the concentration of solutes accumulated in the membrane pores and on the membrane surfaces. Ultrasonic fouling control does not require chemical cleaning and can maintain a high permeate flux throughout the filtration process. In addition, wastewater contaminants can be degraded by ultrasound. Therefore, ultrasound creates unique physicochemical conditions, which can be used as an effective tool for membrane fouling control. In this chapter, ultrasound radiation as a unique method to modify physical and chemical properties of a complex fluid with applications in wastewater treatment and protein purification process is highlighted. At first, ultrasonic parameters and how their ability to enhance the delivery of fluid flow to the membrane surface and affect the physical and chemical properties of foulants are discussed. Furthermore, various ultrasonic methods, including continuous and intermittent waves, and its influences on membrane fouling, permeate flux, membrane cleaning and flux recovery are reviewed. The main role of wave streaming as a driving force for fluid acceleration and antifouling control, and the impact of ultrasound-generated bubble cavitation on preventing and removing fouling deposits are described. The challenges of current ultrasonic techniques, which need to be addressed so as to facilitate their widespread and successful implementation, are explored. This chapter examines how the periodic compression/rarefaction cycles of ultrasound can influence mass transfer and membrane fouling. Also, the current knowledge and approaches to advance ultrasonic technology as an effective method for membrane fouling remediation in wastewater treatment and protein purification downstream processing are presented in this chapter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,021
Tête enseignante GPT0,244
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetMembrane Separation TechnologiesTravaux en français237 207