MétaCan
Menu
Retour à la cohorte
Enregistrement W3049211727 · doi:10.19177/rgsa.v9e02020846-858

OTIMIZAÇÃO DO PROCESSO DE LIXIVIAÇÃO ALCALINA DE CINZAS DE CASCA DE ARROZ PARA OBTENÇÃO DE SILICATO DE SÓDIO

2020· article· pt· W3049211727 sur OpenAlexaff
Raiane da Cruz, Thiago Fernandes de Aquino, Sabrina Teixeira Estevam, Tainá Domingos da Silva

Notice bibliographique

RevueRevista Gestão & Sustentabilidade Ambiental · 2020
Typearticle
Languept
DomaineMaterials Science
ThématiqueClay minerals and soil interactions
Établissements canadiensCanadians Living with HIV
Organismes subventionnairesnon disponible
Mots-clésChemistryPhysicsNuclear chemistryHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

O presente trabalho teve como objetivo a otimização do processo de lixiviação alcalina de cinzas de casca de arroz (CCA) com solução de hidróxido de sódio (NaOH), para obtenção de um maior rendimento de extração de silício (SiO2), aproveitando um resíduo industrial de difícil descarte para síntese de novos produtos. O procedimento ocorreu em sistema fechado sob condições hidrotermais com auxílio de um reator vaso de pressão com agitação constante, com variações de temperatura (100, 150 e 180 °C), concentração de NaOH (1, 2, 3 e 4 M), pressão (1, 3 e 8 bar) e tempo (1, 3, 6 e 24 h). A lixiviação resulta em uma solução de silicato de sódio, como produto principal, e um subproduto (carvão ativado). Os rendimentos de extração de SiO2 variaram entre 29,65 e 73,26%, obtendo silicatos com densidades (1,28 a 1,46 g/mL), pH (12,24 a 13,55) e módulo de sílica (1,07 a 3,87), resultados estes similares aos obtidos em silicatos comerciais. O carvão resultante também foi caracterizado por fluorescência de raios X (FRX) e ainda serão realizadas análises de propriedades de poros e área superficial (BET). Estes resultados sugerem que os produtos obtidos através da CCA são promissores para as mais diversas aplicações.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,275
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,311
Écart entre enseignants0,271 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Gestão & Sustentabilidade AmbientalMême sujetClay minerals and soil interactionsTravaux en français237 207