Utilization of residual fatty acids in matter organic non-glycerol from a soy biodiesel plant in filaments used for 3D printing
Notice bibliographique
Résumé
Matter organic non-glycerol (MONG) is a considerable waste output (20%−25% of crude glycerol) typically landfilled by soy biodiesel plants. In this work, soy MONG was characterized for potential use as a copolymer to produce filaments for 3D printing with an intent to add value and redirect it from landfills. As a copolymer, MONG was evaluated to reduce the synthetic polymer content of the natural fiber composites (NFC). Even though the general thermal behavior of the MONG was compared to that of a thermoplastic polymer in composite applications, it is dependent on the composition of the MONG, which is a variable depending on plant discharge waste. In order to improve the thermal stability of MONG, we evaluated two pretreatments (acid and acid + peroxide). The acid + peroxide pretreatment resulted in a stabilized paste with decreased soap content, increased crystallinity, low molecular weight small chain fatty acids, and a stable blend as a copolymer with a thermoplastic polymer. This treatment increased formic acid (17.53%) in MONG, along with hydrogen peroxide, led to epoxidation exhibited by the increased concentration of oxirane (5.6%) evaluating treated MONG as a copolymer in polymer processing and 3D printing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».