Advancing ethanol quality amidst a pandemic: a case study from Saskatchewan
Notice bibliographique
Résumé
During the COVID-19 pandemic, Canada faced a significant challenge addressing the demand for hand sanitizers. Despite having a thriving ethanol industry, the country was not equipped to address this need. The automative ethanol sector in Canada produces lower quality ethanol containing significant impurities that make their products unacceptable for use in hand sanitizers. Meanwhile, distilleries that produce higher grades of ethanol could not keep pace with the unprecendented demand. To address this issue, the Saskatchewan Structural Sciences Centre was employed to develop quality assurance methods for upgrading fuel-grade ethanol into higher grade alcohol, suitable for hand sanitizer. Through partnerships with various stakeholders, we successfully purified fuel-grade ethanol to comply with Health Canada guidelines. Our approach involved several strategies to enrich fuel-grade ethanol, including ozonation, alkaline salt and copper sulfate treatments, and carbon filtration. We also optimized the conditions of the distillation column to further reduce fusel oils to acceptable levels. While acetals and acetaldehyde posed a challenge in the purification process, a combination of amine treatments and optimized distillation were effective in decreasing these impurities to compliant levels. This review not only discusses the potential for Saskatchewan's ethanol producers to enrich fuel-grade ethanol to a higher quality but also highlights how the adversities of the pandemic precipitated innovative research applications. These efforts fostered collaborations between academia, government, and industry, addressing urgent needs, advancing economic sustainability, and transforming a crisis into an opportunity for rapid scientific progress and efficient resource optimization, all while promoting the principals of a circular economy.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».