MétaCan
Menu
Retour à la cohorte
Enregistrement W4296306927 · doi:10.3390/en15186828

Cheese Whey as a Potential Feedstock for Producing Renewable Biofuels: A Review

2022· review· en· W4296306927 sur OpenAlexaff
Carlos S. Osorio‐González, Natali Gómez-Falcon, Satinder Kaur Brar, Antonio Avalos Ramírez

Notice bibliographique

RevueEnergies · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensCentre National en Électrochimie et en Technologies EnvironnementalesCollège ShawiniganYork University
Organismes subventionnairesnon disponible
Mots-clésRaw materialBiofuelBagasseEnvironmental sciencePomaceVinasseBiotechnologyBioenergyBiohydrogenWaste managementPulp and paper industryBusinessFood scienceEngineeringChemistryBiology

Résumé

récupéré en direct d'OpenAlex

Agro-industrial residues such as bagasse, pomace, municipal residues, vinasse and cheese whey are an environmental problem around the world, mainly due to the huge volumes that are generated because of the food production to satisfy the nutritional needs of the growing world population. Among the above residues, cheese whey has gained special attention because of its high production with a worldwide production of 160 million tons per year. Most of it is discarded in water bodies and land causing damage to the environment due to the high biological oxygen demand caused by its organic matter load. The environmental regulations in developing countries have motivated the development of new processes to treat transform cheese whey into added-value products such as food supplements, cattle feed and food additives. In addition, during the last decade, several processes and technologies have been developed to produce bioenergy through the biotechnological process using cheese whey as a potential feedstock. This review discusses the production of bioethanol, biohydrogen, biomethane and microbial lipid-biodiesel production using cheese whey as a potential substrate.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0010,000

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 Opus0,037
Tête enseignante GPT0,289
Écart entre enseignants0,252 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207