Interlaboratory Study of Sample Homogeneity Impact on CHNS, Water, and ICP Analysis of Biomass Liquefaction Oils
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Five biomass liquefaction oils (BLOs) comprising four different lignocellulosic fast pyrolysis bio-oils (FPBO) and one algae-derived hydrothermal liquefaction (HTL) biocrude were subject to an interlaboratory study (ILS). Participating laboratories were asked to analyze all BLOs after gentle sample mixing and again but with vigorous mixing. Blind duplicates were included to improve the statistical power. Requested analysis included CHN, water, trace nitrogen, and sulfur (using solvent-miscible solvents) and ICP by an independently developed method. Blind duplicates applied in this study indicated that representative sampling was achieved to the extent required for bulk composition analysis. More vigorous sample mixing did not yield benefits for precision or reproducibility for composition analysis; however, the importance of consistent and precise sample mixing is underscored. Results of CHN and water showed performance similar to those of previous studies. However, adapted trace nitrogen methods consistently report 25–50% lower nitrogen content compared to ASTM D5291 and highlight the need for reconciliation. Poor performance of ICP across eight participant laboratories further underscores the need for standardization. ICP sample preparation by dissolution is generally ineffective for the recovery of more recalcitrant multivalent analytes. Digestion is recommended as the sample preparation of choice for ICP analysis of BLOs.
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 | 0,055 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».