Utilizing Nano-Adsorbents and Electrostatic Field Treatment for Sustainable Refinement of Crude Canola Oil
Notice bibliographique
Résumé
Removal of polar impurities, such as phospholipids, free fatty acids (FFA), and peroxides, can be challenging during the refining of crude canola oil. Current conventional refining methods are energy-intensive (e.g., hot water washes) and can generate significant waste (e.g., wastewater effluent) and neutral oil loss. This study investigated the joint use of nano-adsorbents and electrostatic field (E-field) treatment as a potential and sustainable alternative in removing these impurities during the oil refining process. Specifically, aluminum oxide (Al2O3) nanoparticles were employed to neutralize FFAs, achieving a 62.4% reduction in acid value while preserving the fatty acid profile of the oil. After refining, E-field treatment was successful in removing the spent nano-adsorbent from solution (up to 72.3% by weight), demonstrating enhanced efficiency compared to conventional methods (e.g., gravitational settling, filtration, and centrifugation). The neutral oil loss using Al2O3 nano-adsorbents was also comparable to conventional refining methods, with a 4.38% (by weight) loss. After E-field treatment, the Al2O3 nano-adsorbent was then calcined to assess reusability. The Al2O3 nano-adsorbent was effectively recycled for three refining cycles. the methods do not use of large amounts of water and generate minimal waste byproducts (e.g., effluent). Nonetheless, while the nano-adsorbents demonstrated promising results in FFA removal, they were less effective in eliminating peroxides and pigments. E-field techniques were also effective in removing spent nano-adsorbent; although, optimization of E-field parameters could further improve its binding capacity. Finally, future studies could potentially focus on the physicochemical modifications of the nano-adsorbent material to enhance their refining capacity and reusability. Overall, this study presents a sustainable alternative or addition to conventional refining methods and lays the groundwork for future research.
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 ».