MétaCan
Menu
Retour à la cohorte
Enregistrement W3152596563

Formulation of Oil Spill Dispersants using Biobased Surfactants and the Study of Flow-induced Breakup of Floating Oil Drops

2019· dissertation· en· W3152596563 sur OpenAlexfundno aff
S. K. Sundar

Notice bibliographique

RevueTSpace · 2019
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésBreakupDispersantOil spillPetroleum engineeringEnvironmental sciencePulp and paper industryMaterials scienceEngineeringDispersion (optics)MechanicsPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis deals with two challenges related to oil spills. First, the Hydrophilic-Lipophilic Difference (HLD) framework was used to develop a lecithin formulation containing food-grade lipophilic and hydrophilic linkers in combination with a non-volatile, mineral oil solvent with food additive status. The HLD parameters of the components were used to determine the lecithin-linker formulations and the interfacial tensions were of the order of 10-2 mN/m and emulsification effectiveness in the range of 75- 85%. The second part of this thesis addresses the breakup oil drops floating on water/aqueous medium under simple shear flow, using a counter-rotating circular Couette device. It was observed that floating drops produce fine droplets via tip-streaming in viscosity matched systems too. At a solvent to bitumen (S/B) ratio of 2, diluted bitumen drops formed a rigid network upon spreading on the interface, but at lower S/B ratios (0.5), they formed drops that rotated like rigid structures.

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 enseignants0,392
Score d'incertitude au seuil0,998

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 Opus0,019
Tête enseignante GPT0,296
Écart entre enseignants0,277 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetOil Spill Detection and MitigationTravaux en français237 207