MétaCan
Menu
Retour à la cohorte
Enregistrement W4368367274 · doi:10.1080/17597269.2023.2206698

Thermo chemical conversion of cedar wood by pyrolysis technology for bio-oil

2023· article· en· W4368367274 sur OpenAlexaff
Mohammad Rofiqul Islam, M. Parveen, Md Sazan Rahman, Jannatul Ferdous, Md. Abdul Kader, Kazunori TAKAI

Notice bibliographique

RevueBiofuels · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPyrolysisCharBiomass (ecology)BiofuelParticle sizeChemistryPyrolysis oilChemical engineeringPulp and paper industryMaterials scienceWaste managementOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

The conversion of cedar wood which is abundantly found in the forests of Japan, into biofuels and chemicals by externally heated fixed-bed pyrolysis reactor has been taken into consideration in this study. The selected solid biomass in particle form were fed into the reactor by gravity feed type reactor feeder. The output products were liquid (oil), solid char, and gas. The liquid and char products were collected separately while the gas was flared into the atmosphere. The process conditions were found to influence the product yields significantly. The maximum liquid yields were 48 wt% of solid particles at reactor temperature 450 °C for N2 gas flow rate 6 L/min, feed particle size 1180–1700 µm, and running time 30 min. The liquid product obtained at this optimum condition was characterized by physical properties, chemical analysis, and gas chromatograph mass spectrometry techniques. The results show that it is possible to obtain liquid product from cedar wood that are comparable to petroleum fuels and other valuable chemicals.

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,202 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiofuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207