MétaCan
Menu
Retour à la cohorte
Enregistrement W4283447181 · doi:10.3390/en15134642

Parametric Study of Methyl Orange Removal Using Metal–Organic Frameworks Based on Factorial Experimental Design Analysis

2022· article· en· W4283447181 sur OpenAlexaff
Abdollah Karami, Reem Shomal, Rana Sabouni, Mohammad H. Al‐Sayah, Ahmed Aidan

Notice bibliographique

RevueEnergies · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesAmerican University of Sharjah
Mots-clésAdsorptionFactorial experimentWastewaterSewage treatmentMethyl orangeFractional factorial designMaterials scienceOrange (colour)Pulp and paper industryChemistryEnvironmental engineeringEnvironmental scienceMathematicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Wastewater treatment plants (WWTPs) are one of the most energy-intensive industries. Every stage of wastewater treatment consumes energy, which is the primary contributor to WWTP costs. Adsorbents and process optimization are critical for energy savings. The removal of dyes from industrial wastewater by adsorption using commercially available adsorbents is inefficient. Metal–organic frameworks (MOFs) have outstanding properties that can improve separation performance over current commercial adsorbents, and thus, these materials represent a milestone in improving dye removal in water treatment methods. In this work, three types of metal–organic frameworks (Fe-BTC, Cu-BTC, and ZIF-8) have been investigated as prospective adsorbents for methyl orange removal from water in batch setups. The results showed that at 15 mg/L MO initial concentration and 100 mg dosage, Fe-BTC had the highest removal efficiency of 91%, followed by ZIF-8 (63%), and finally Cu-BTC (35%), which exhibited structural damage due to its instability in water. Fe-BTC maintained consistent adsorption capacity over a wide range of pH values. Furthermore, a 23 full factorial design analysis was implemented to evaluate the conditions for maximum MO-removal efficiency. The main effects, interaction effects, analysis of variance (ANOVA), and the Pareto chart were reported. The statistical analysis demonstrated that the MOF type was the most significant factor, followed by dosage and initial concentration. The analysis indicated that the type of MOF and dosage had a positive effect on the removal efficiency, while the initial concentration had a negative effect. The two-way and three-way interactions were also found to be significant.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,044
Tête enseignante GPT0,290
Écart entre enseignants0,246 · 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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207