Selective hydrogenation of oleic acid to fatty alcohols using <scp>Rh‐Sn‐B</scp> / <scp> TiO <sub>2</sub> </scp> catalysts: Influence of <scp>Sn</scp> content
Notice bibliographique
Résumé
Abstract The influence of the catalyst Sn content on the production of fatty alcohol from oleic acid by selective hydrogenation was studied using Rh‐Sn‐B catalysts supported on TiO 2 . The crystal phase of the support was analyzed by X‐ray diffraction (XRD), the reduction state of the metal phase by temperature‐programmed reduction (TPR), and the electronic state of surface species by X‐ray photoelectron spectroscopy (XPS). The metal activity was evaluated by the dehydrogenation of cyclohexane. It was found that the increase in Sn content leads to a proportional drop in the catalytic activity, which could be related to a metallic interaction between Rh and Sn, as shown by TPR. Oxide and metallic Sn, as well as Rh 0 and Rh 3+ , were found by XPS on the catalyst surface. Metallic Rh was, however, found in higher concentration than oxidized Rh in all cases. The yield to fatty alcohols increased with Sn content, and its maximum value for oleyl and stearyl alcohol was 96%. Furthermore, a higher yield (88.3%) was obtained out of unsaturated fatty alcohol (oleyl alcohol), which has proved to be more valuable than saturated alcohol. This was attributed to an adequate Rh/Sn ratio, which modulates the hydrogenating activity of Rh and makes the metal function more selective for hydrogenation of the carbonyl group. The influence of the support on the catalyst performance decreases as the Sn content increases. The support has a practically negligible influence on the catalyst activity for 4–5 wt.% of Sn content.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».