MétaCan
Menu
Retour à la cohorte
Enregistrement W4306398769 · doi:10.3390/pr10102094

An Intensified Green Process for the Coproduction of DMC and DMO by the Oxidative Carbonylation of Methanol

2022· article· en· W4306398769 sur OpenAlexaff
Abdulrahman A. Al-Rabiah, Abdulaziz M. Almutlaq, Omar Bashth, Taher M. Alyasser, Fayez A. Alshehri, Mohammed S. Alofai, Abdulelah S. Alshehri

Notice bibliographique

RevueProcesses · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCarbon dioxide utilization in catalysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesKing Saud University
Mots-clésDimethyl carbonateMethanolEnvironmentally friendlyProcess engineeringRenewable energyChemistryCarbonylationPulp and paper industryEnvironmental scienceWaste managementOrganic chemistryCatalysisEngineering

Résumé

récupéré en direct d'OpenAlex

Dimethyl carbonate (DMC) is an eco-friendly and sustainable compound with widespread industrial applications. Various extensive routes have been exploited in the chemical industry to produce DMC. However, these routes have several environmental and energy drawbacks. In this study, a promising novel industrial scheme for the synthesis of DMC via the oxidative carbonylation of vaporized methanol with dimethyl oxalate (DMO) as a byproduct is investigated. A methanol conversion of 81.86% and a DMC selectivity of 83.47% were achieved using an isothermal fixed-bed reactor at 130 °C. The DMC is withdrawn at a purity of >99 mol% via pressure-swing azeotropic distillations. Heat integration was performed to optimize energy consumption, reducing the energy requirements by 28%. An economic evaluation was performed for estimating the profitability via cash-flow diagrams, predicting a payback period of 3.7 years. The proposed green process exhibits several benefits, including high profitability and being environmentally friendly. It also eliminates the use or production of hazardous materials, and it enhances safety characteristics.

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 enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0000,000
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 Opus0,023
Tête enseignante GPT0,281
Écart entre enseignants0,258 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetCarbon dioxide utilization in catalysisTravaux en français237 207