MétaCan
Menu
Retour à la cohorte
Enregistrement W4404491795 · doi:10.31315/e.v21i3.13099

Extraction of Avocado Seed Waste as a Potential Feedstock for Biodiesel Production

2024· article· en· W4404491795 sur OpenAlexaff
Mustafa Mustafa, Ahmad Fatrijan Ladien, Balqis Putri Andiani, Desi Riana Saputri, Damayanti Damayanti, Yunita Fahni, Wika Atro Auriyani, Aly Said, Andri Sanjaya

Notice bibliographique

RevueEksergi · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésRaw materialBiodieselBiodiesel productionProduction (economics)Pulp and paper industryExtraction (chemistry)Waste managementWaste materialBiofuelEnvironmental scienceEngineeringChemistryEconomicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The rising interest in sustainable energy sources has spotlighted biodiesel as a promising alternative to fossil fuels. Avocado seed waste, rich in vegetable oil, presents a potential feedstock for biodiesel production. However, optimizing the extraction process to maximize oil yield and quality is crucial. This study addresses the knowledge gap concerning the impact of drying time and solvent type on oil extraction efficiency from avocado seeds. Here, we show the effects of varying drying times (2, 3, and 4 hours) and using two solvents (96% ethanol and isopropyl alcohol) on the oil yield and quality using Soxhlet extraction. Results indicate increased drying time correlates with reduced moisture content, with values of 79.94%, 63.17%, and 47.39% for 2, 3, and 4 hours, respectively. Comparatively, isopropyl alcohol exhibited a higher fatty acid content (0.718%) than 96% ethanol. The density of oil extracted with 96% ethanol (1.34 g/ml) after 3 hours of drying surpassed that of isopropyl alcohol. These findings suggest that drying time and solvent type significantly influence the extraction efficiency and quality of oil from avocado seeds, highlighting their potential as a viable biodiesel feedstock.

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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,252
Écart entre enseignants0,242 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEksergiMême sujetBiodiesel Production and ApplicationsTravaux en français237 207