Effect of pressure and cross-flow velocity on membrane behaviour in red wine nanofiltration
Notice bibliographique
Résumé
Abstract Nanofiltration has found numerous applications in winemaking industry as an effective separation technology, allowing for the recovery and concentration of valuable bioactive compounds from wine/grape by-products, as well as for wine dealcoholization. However, the assessment of membrane fouling remains essential for a stable and sustainable membrane operation. Because of its complex nature, wine components (colloids and solutes such as polysaccharides, polyphenols, proteins) contribute to different mechanisms of fouling. The increase of fouling propensity as well as the conditions that contribute to it - transmembrane pressure and cross-flow velocity – are studied in the present study. Quantitative characteristics as fouling indices are discussed. Results with red wine (Mavrud) nanofiltration are obtained using two NF membranes - Nadir® NP030 P (asymmetric polyethersulfone (PES), MWCO 500 Da) and Alfa Laval NF99HF (thin film composite polyester, MWCO 200 Da). Nanofiltration runs were carried out by a constant-pressure cross-flow filtration system MaxiMem, Prozesstechnik GmbH with a rectangular flat-sheet membrane of 215 cm 2 active area. Effect of transmembrane pressure (TMP) (10 to 50 bar) and cross-flow rate (1-3 l/min) on the permeate flux are discussed in view of membrane fouling. Higher operating pressures enhance the permeate flux but may also lead to increased fouling. The two membranes show very different permeate fluxes, the ones measured with NF99HF being 10-20 times higher. Increase in cross-flow velocity improves the hydrodynamic conditions such as shear stress field close to the membrane. The expected positive effect on permeate flux is the more noticeable the more pronounced the fouling. This was shown by two polymer membranes of different molecular weight cut-off exhibiting different susceptibility to fouling.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».