Characterization of pyrolytic products from the thermochemical conversion of textile waste
Notice bibliographique
Résumé
Abstract The rapid expansion of the textile industry has led to a significant increase in textile waste generation, posing challenges for municipal waste management systems. Textile waste, composed of natural and synthetic polymers, presents an opportunity for valorization through thermochemical conversion. This study investigates the pyrolysis of cotton, untreated denim, and treated denim waste in a fixed‐bed reactor at 500°C to produce value‐added chemicals such as furan, sugars, and ketones. Prior to pyrolysis, the textile wastes were chopped, cleaned, sun‐dried, and, in the case of treated denim, denim waste is chemically treated with nitric acid to remove dyes. Characterization of the feedstock revealed high volatile matter content (85% in cotton, 83% in treated denim, and 81% in denim) and low moisture content (~6%), with denim exhibiting higher ash content due to dye residues. Post‐pyrolysis analysis indicated that cotton waste predominantly yielded furan (40%), sugars (35%), and ketones (15%), whereas treated denim produced sugars (40%), furan (30%), and ketones (25%). Untreated denim primarily yielded ketones (70%) and sugars (25%). The resulting chars were characterized using BET surface area analysis, SEM, FTIR, and XRD. Treated denim char exhibited the highest surface area (368.4 m 2 /g), followed by cotton char (231.4 m 2 /g), while untreated denim char had the lowest (17.0 m 2 /g). SEM analysis showed significant fibre fragmentation in cotton and treated denim chars, whereas untreated denim fibres remained relatively intact. FTIR analysis suggested the presence of residual functional groups, indicating incomplete conversion, while XRD confirmed dye retention in denim char. The findings highlight the potential of textile waste pyrolysis for sustainable waste management and chemical production.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».