Comparative evaluation of grape seed and Kusum oil methyl esters as renewable fuels using alkaline catalysts
Notice bibliographique
Résumé
Abstract The present study focuses on the production of biodiesel through the transesterification process and investigates the physicochemical properties of grape seed and Kusum oils methyl ester. Optimization of key process parameters, including molar ratio, catalyst concentration, reaction time, and temperature, was conducted for both oils. The effects of these factors on biodiesel production and conversion efficiency were analyzed. A 3 × 3 × 3 completely randomized design asymmetrical factorial approach was used to optimize reaction conditions. A total of 54 experiments were conducted to assess the effect of various parameters on ester recovery efficiency and kinematic viscosity. For grape seed oil methyl ester, optimal conditions were determined to be 0.5 wt.% KOH catalyst, 4:1 molar ratio, a reaction temperature of 60°C, and a reaction time of 60 min, resulting in a yield of 99% grape seed oil methyl ester with a viscosity of 4.25 cSt. In contrast, the optimal conditions for Kusum oil methyl ester included an 8:1 molar ratio, 1.5 wt.% KOH catalyst, a reaction temperature of 60°C, and 60‐min reaction time, achieving 95.58% yield of Kusum oil methyl ester with a viscosity of 9.53 cSt. The results indicate that grape seed oil methyl ester is a superior choice compared to Kusum oil methyl ester in terms of biodiesel yield and kinematic viscosity. The physicochemical properties of both esters, including kinematic viscosity, density, flash and fire points, cloud and pour points, and calorific value, met the ASTM D6751 and EN 14214 standards, confirming their suitability as alternative fuels for diesel engines.
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 | 0,000 | 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 | 0,000 | 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 ».