MétaCan
Menu
Retour à la cohorte
Enregistrement W3024735391 · doi:10.1002/cjce.23783

Citric acid as a green additive to retard calcium carbonate scales on process equipment

2020· article· en· W3024735391 sur OpenAlexvenueno aff
Marina Prisciandaro, Giuseppe Mazziotti di Celso, Amedeo Lancia, Dino Musmarra, Despina Karatza

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCalcium Carbonate Crystallization and Inhibition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitric acidSupersaturationCalcium carbonateChemistryPrecipitationCalciumCarbonateInorganic chemistryMineralogyChemical engineeringBiochemistryMeteorologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, the retarding effect of a green additive, citric acid, towards calcium carbonate scale deposition is studied. Scale formation is one of the most common causes of malfunctions in process equipment. This is the reason it is crucial to retard scale precipitation, that is, in order to reduce economic damages. With this additive in the solution, experimental runs have been carried out in supersaturation conditions in terms of concentration of calcium carbonate at equilibrium, with a supersaturation ratio ranging from 16 to 280, at 25°C. Three different concentrations of citric acid have been investigated (0.520 × 10 −3 , 1.041 × 10 −3 and 1.561 × 10 −3 M) in a laboratory scale plant. Comparing results obtained in terms of induction time with previous experimental runs, performed without additives, citric acid has shown its significant capacity to retard calcium carbonate precipitation, by increasing induction time values. This behaviour is enhanced by raising the additive concentration in solution up to a specific threshold value, beyond which no benefit in terms of calcium scale inhibition is gained. Furthermore, interfacial tension has been computed without and with citric acid at 0.520 × 10 −3 and 1.041 × 10 −3 M, as a function of the different concentration amounts investigated. The values obtained are in good agreement with data reported in the literature.

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 enseignants0,009
Score d'incertitude au seuil0,417

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 Opus0,018
Tête enseignante GPT0,227
Écart entre enseignants0,209 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCalcium Carbonate Crystallization and InhibitionTravaux en français237 207