Development of bio‐lubricants from <scp> <i>Madhuca longifolia</i> </scp> and <scp> <i>Ricinus communis</i> </scp> oils via 3‐step chemical modification process for enhanced properties
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Though numerous studies on the tribological performance of edible and non‐edible oils have been carried out, the tribological performance of edible and non‐edible oils under extreme conditions is not completely discussed. Very limited work has been done to examine the performance of lubricants produced by transesterification, epoxidation, and oxirane ring opening (ORO) reaction steps with non‐edible oils using various alcohols. Castor oil‐based lubricant (COL) showed better lubrication properties than mahua oil‐based lubricant (MOL). For the ORO step, the reaction with octanol gives a better quality of lubricant than that with butanol. However, improvement in the quality and rheological properties was found for all the samples of COL and MOL in comparison to mineral base oil. The lubricant formed by the reaction of castor epoxide with octanol has shown 30% improvement, and castor epoxide with butanol has shown 20% improvement. The lubricant formed by the reaction of mahua epoxide with octanol has shown 30% improvement, and mahua epoxide with butanol has shown 15% improvement. This work shows the dependence of the properties of bio‐based lubricant on the ORO reaction with different alcohols, and this can be used to enhance the lubricant performance in terms of various rheological properties like viscosity index, density, and so forth. As the non‐edible oils have lower viscosity index, giving them a disadvantage in comparison to mineral oil, this research increases the viscosity index of the non‐edible oils and gives them better lubrication properties.
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.
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 | 0,001 | 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 découle