A critical review of membranes made of nanofibres polymeric materials for application of treating oily wastewater
Notice bibliographique
Résumé
Abstract Oily wastewater poses a significant threat to human health and the environment, especially when it contains emulsified oil. Traditional treatment methods often fail to address this type of wastewater effectively. Therefore, developing advanced treatment methods to make such water suitable for various applications has become a pressing issue. The electrospinning technology has emerged as the most effective method due to its high separation efficiency. This review provides a comprehensive overview of the methodologies employed in nanofibres production across diverse techniques, along with concise insights. It also offers a survey of various methods for fabricating polymer membranes via the electrospinning technique, shedding light on the parameters affecting the electrospinning process. Furthermore, this review elucidates the fundamental concepts of membrane fouling, clarifying the mechanisms and factors contributing to fouling. We addressed advantages and disadvantages of methods used to create polymeric nanofibre membranes via the electrospinning technique. The needleless electrospinning technique eliminates the need for a nozzle to jet the nanofibres, preventing clogging. This method results in higher nanofibres production rates compared to the needle electrospinning technique. However, it does require a more complex setup. On the other hand, the needle electrospinning technique is often successfully employed in laboratory‐scale settings due to its more straightforward setup. However, it necessitates using a cleaning device for each needle, which can become impractical for nanofibre production. The main challenges facing electrospun nanofibrous membranes were also presented. The development of eco‐friendly nanofibers is outlined in the future perspective of this review.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».