MétaCan
Menu
Retour à la cohorte
Enregistrement W4225117907 · doi:10.11159/iceptp22.176

Steam Distillation of Acidulated Soapstock and FAME Synthesis

2022· article· en· W4225117907 sur OpenAlexvenueno aff
Lauma Laipniece, Valdis Kampars

Notice bibliographique

RevueProceedings of the World Congress on Civil, Structural, and Environmental Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development Fund
Mots-clésDistillationProcess engineeringSteam distillationComputer scienceEnvironmental sciencePulp and paper industryChemistryEngineeringChromatography

Résumé

récupéré en direct d'OpenAlex

Use of rapeseed soapstock to produce biodiesel is a sustainable choice, because it deals with waste stream use in biofuel synthesis and lowers the use of food grade oil as fuel feedstock.Rapeseed soapstock was acidulated, and fatty acid and glycerides containing acid oil was separated from water phase.Steam distillation -a mild purification method -was used to separate fatty acids from acid oil.Distilled fatty acids were subjected to sulfuric acid catalyzed esterification with methanol.The chosen reaction conditions were: 65 °C temperature, molar ratio of MeOH to FFA 20:1, 7.5 mol% H2SO4, and a reaction time 1 h.Esterification of distilled fatty acids proceeded with 98.3-98.5% conversion to FAME and product yield 93-95% from theoretical.The esterification reaction conditions were determined using lauric acid as model compound, the catalyst concentration was adjusted to be less than usually reported, so to avoid oxidation and side reactions.Use of ultrasound assisted synthesis was elaborated by comparing reaction of lauric acid at 25 °C temperature in ultrasonic bath and with stirring.Reaction was faster with stirring than use of ultrasound.

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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0020,001

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 Opus0,003
Tête enseignante GPT0,161
Écart entre enseignants0,158 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Civil, Structural, and Environmental EngineeringMême sujetProcess Optimization and IntegrationTravaux en français237 207