A high‐throughput method for screening surfactant additives and structure–property relationships for the removal of water from bitumen
Notice bibliographique
Résumé
Abstract This paper describes the development of a new high‐throughput (HT) method for screening surfactant additives for the removal of water from bitumen extracted from oil sands. The method begins by isolating bitumen froth from Canadian oil sands via the hot water extraction and flotation process. The froth is then diluted with naphtha to form “dilbit” The dilbit is homogenized and subsequently mixed twice to ensure a uniform distribution of water and sediment. Then, aliquots of the dilbit are dispensed into separate vials, and surfactant additives are mixed in at the desired concentrations. Next, the samples are transferred to centrifugation cells and centrifuged. Finally, the top third of the sample volume is removed, and Karl Fischer titration is used to measure the residual water. The HT method was used to screen the dewatering performances of 67 surfactants. Of the surfactants screened, (ethylene oxide)‐(propylene oxide)‐(ethylene oxide) (EO x ‐PO y ‐EOx) triblock copolymer surfactants with molecular weight (MW) values >2000 Da and hydrophilic–lipophilic balance (HLB) values <16 were found to be the most effective demulsifying additives. The research approach presented here may enable the rapid development of structure–property relationships to guide the selection of surfactant additives for the improvement of commercial bitumen froth extraction and upgrading processes.
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 | 0,001 | 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 ».