Assessing the efficacy of three bio‐based flocculants in the reclamation of spent lubricating oil
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The current study encompasses a comprehensive assessment of three biopolymeric flocculants on the overall performance of recycling waste lubricating oil to achieve a higher percentage recovery, flocculation efficacy, and better quality of recovered base oil. The findings reveal that with experimental conditions such as (i) mixing time of 80 min; (ii) agitation speed of 400 rpm; (iii) reaction temperature 50°C; (iv) solvent to waste oil ratio 3:1 g/g; and (v) flocculant dosage 1 g/ kg of solvents, 1‐butanol and sodium alginate gives highest percentage yield of 91% followed by corn starch of 89.10% and xanthan gum of 87.18% as bio‐polymer flocculant. The effects of various process parameters of bio‐flocculants on flocculation efficiency are expounded. With the process parameters of (i) initial pH of 5.9, 6.0, and 6.2; (ii) mixing time − 59, 60, and 63 min; and (iii) solution temperature of 59, 60, and 62.2°C, maximum flocculation efficacy (% sludge removal) of 16.24%, 13.01%, and 14.09% were attained for the cases of refined oil treated with sodium alginate, corn starch, and xanthan gum, respectively. Results also reveal that the physicochemical properties of refined base oil treated with 1‐butanol and sodium alginate as bio flocculant are almost close to the virgin lubricating oil. The optimum recovery of high‐quality base oil with the adoption of green technology and solvent–bio flocculant combination can mitigate the environmental impact of waste oil and create an energy‐efficient sustainable condition for the regeneration of re‐refined base oil.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle