Physical features’ characterization of the water-in-mineral oil macro emulsion stabilized by a nonionic surfactant
Notice bibliographique
Résumé
Water-in-oil (w/o) emulsions are widely used in the food and pharmaceutical industries, among others. Moreover, the most common type of emulsion produced and handled in the oil industry processes is the w/o emulsion. This study investigates the features of a water-in-mineral oil macro-emulsion formulated with mineral oil as the continuous phase and Span 83 as the nonionic surfactant. Emulsions are prepared at room temperature according to the hydrophilic–lipophilic difference (HLD) theory and were tested for the mean droplet size and droplet size distribution, viscosity, and kinetic stability. An empirical correlation was introduced that estimates the viscosity of the water-in-mineral oil macro-emulsions and captures the non-Newtonian behavior at larger water fractions. The effect of electrolyte and internal phase concentration was specifically assessed on the emulsion flocculation and the stability of the system. Stability tests show a threshold electrolyte concentration exists after which droplets coalesce upon collision and flocculation. Salting out is most likely the responsible mechanism of phase separation in the emulsions with higher electrolyte concentrations. The results imply that sedimentation is accountable for the formation of different layers in emulsion with time. The sedimentation rate was intensified for emulsion with smaller water content (64% variation in 3 days between 10% emulsion and 40% emulsion) and concentrated emulsions were found to be more stable. Also, the size of the droplets was influenced by the NaCl concentration, surfactant concentration, and phase ratio.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».