MétaCan
Menu
Retour à la cohorte
Enregistrement W4406925055 · doi:10.31637/epsir-2025-1388

Estudio de la variación del grado de octanaje mediante mezclas de gasolinas extra, súper y aditivo mejorador de octanaje en Ecuador

2025· article· es· W4406925055 sur OpenAlexaff
Grace Morillo Chandi, Morayma Muñoz, Marco Rosero

Notice bibliographique

RevueEuropean Public & Social Innovation Review · 2025
Typearticle
Languees
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Introducción: El uso de la gasolina a nivel mundial sigue creciendo, impactando la economía y la geopolítica. En Ecuador, se comercializan gasolinas con diferentes RON: Extra (85), Eco País (87) y Súper (95). Se evaluó la variación del octanaje de mezclas de gasolinas y la adición de aditivos mejoradores de octanaje. Metodología: Los experimentos se realizaron en la Refinería Estatal de Esmeraldas utilizando un Octanómetro tipo chispa, se plantearon tres tipos de muestras: mezclas de Extra con Súper, Eco País con Súper, y Extra con aditivos, la información obtenida se añadió a la base de datos del método FTIR para identificar el RON de manera más rápida y precisa. Resultados: Los resultados del FTIR fueron consistentes en un 99% con el Octanómetro. Las mezclas de gasolinas mostraron variaciones en el RON, mientras que la adición de aditivos a la gasolina de 85-RON solo incrementó 1.9 el RON en un solo caso. Discusión: A pesar de que este trabajo no es comparable a otros, debido a las características de la gasolina en Ecuador, creemos necesario pasar al estudio de las diferentes mezclas midiendo otros parámetros como el MON y compuestos oxigenados. Conclusiones: Las mezclas de combustible en diferentes proporcionan si representa una alternativa técnica para el consumidor. Además, se mejoró la prueba de análisis rápido con una curva consistente con el método del octanómetro tipo chispa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,299
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Public & Social Innovation ReviewMême sujetVehicle emissions and performanceTravaux en français237 207