MétaCan
Menu
Retour à la cohorte
Enregistrement W4412030979 · doi:10.1016/j.jece.2025.117896

Development of a separation and concentration process for producing diesel exhaust fluid from human urine: A feasibility study

2025· article· en· W4412030979 sur OpenAlexaff
Seung-Ju Choi, Lucas Crane, Seoktae Kang, Treavor H. Boyer, François Perreault

Notice bibliographique

RevueJournal of environmental chemical engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesMinistry of Science and ICT, South KoreaMinistry of Science ICT and Future PlanningNational Research Foundation of KoreaMinistry of Science, ICT and Future Planning
Mots-clésDiesel exhaustChromatographyExhaust gas recirculationUrineSeparation (statistics)Diesel engineProcess (computing)Diesel fuelEnvironmental scienceChemistrySeparation processExhaust gasProcess engineeringAutomotive engineeringComputer scienceEngineeringOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Diesel exhaust fluid (DEF), composed of 32.5 wt% of urea in deionized water, is essential for reducing the emissions of nitrogen oxide and sulfur oxides from diesel vehicles. However, existing urea production processes, such as the Haber-Bosch process, require high temperature and pressure, which contribute to their environmental impact. One natural source of urea is human urine, but DEF production from human urine is limited by its low urea concentration (0.4-1.5 wt%) and the presence of ions and organic impurities. In this study, a novel four-step process combining microfiltration (MF), reverse osmosis (RO), distillation, and mixed-bed ion exchange (IX) was developed to produce DEF from fresh human urine. Specifically, MF was utilized to remove particles and microorganisms, while RO facilitated the separation of ions and the selective transport of urea. Distillation concentrated the RO permeate to the desired urea concentration for DEF. Lastly, IX was applied to remove any remaining impurities from the concentrated solution. Our results demonstrate that the proposed solution meets all of the DEF requirements except for the presence of calcium and iron above the standard levels. A product analysis of the developed process showed a net negative economic value; however, increasing RO recovery to 80% can yield a profit of $0.79 per cubic meter of treated urine. These results have important implications for a circular urea economy, as DEF can be produced directly from human urine rather than through conventional energy-intensive and resource-dependent processes, demonstrating the feasibility of this approach at the proof-of-concept level.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,016
Tête enseignante GPT0,285
Écart entre enseignants0,270 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of environmental chemical engineeringMême sujetExtraction and Separation ProcessesTravaux en français237 207