Mass transfer performance of pulsed disk and doughnut column ( <scp>PDDC</scp> ) in the extraction of active ingredients in peppermint extract obtained by hot percolation
Notice bibliographique
Résumé
Abstract The active ingredients in peppermint are widely used in the pharmaceutical, food, cosmetic, and other industries. The traditional methods for producing peppermint extract through hydrodistillation (HD) and percolation are long process with low efficiency. The aim of this study is the improvement of the extraction performance and the efficiency of the extract obtained from hot percolation via pulsed disk and doughnut columns (PDDC), which is one of the most important pieces of liquid–liquid extraction (LLE) equipment. Peppermint extract was used as the continuous phase in the PDDC. n ‐Hexane was considered as the dispersed phase in this column. In this study, the effects of three operating parameters were investigated, including the pulse intensity, continuous phase height, and dispersed phase flow rate, on the extraction efficiency of active ingredients in peppermint. The response surface method (RSM) was used to investigate the effect of these parameters on the extraction efficiency. The efficiency of this column in the extracting of active ingredients from peppermint was measured by UV–vis spectrophotometry, via the absorption rate of the main active ingredients of peppermint (menthol) in the samples, and the efficiency was 75% on average. The experimental and theorical of dispersed phase mass transfer coefficient were evaluated and compared. The results showed that the PDDC improved the extraction and mass transfer. By increasing the flow rate of the dispersed phase and the height of the continuous phase, the extraction efficiency and the mass transfer coefficient were increased.
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 | 0,000 |
| 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 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 ».