MétaCan
Menu
Back to cohort

Modificação química de resinas à base de estireno através do processo de sulfonação: estudo experimental e modelagem matemática

2019· dissertation· pt· W2956648704 on OpenAlex

Why this work is in the frame

A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.

affAt least one author lists a Canadian institution in the pinned OpenAlex snapshot.

Bibliographic record

Venuenot available
Typedissertation
Languagept
FieldChemistry
TopicMulticomponent Synthesis of Heterocycles
Canadian institutionsAdidas (Canada)
Fundersnot available
KeywordsPhysicsPolymer chemistryChemistryMaterials science

Abstract

fetched live from OpenAlex

\n A proposta deste trabalho consistiu em realizar o estudo experimental e matemático do processo de sulfonação de resinas estirênicas reticuladas com etileno-glicol dimetacrilato (PS-EGDMA) e trietileno-glicol dimetacrilato (PS-TEGDMA). O processo de sulfonação de resinas estirênicas é uma das modificações químicas mais utilizadas na indústria e permite conferir características como seletividade às resinas, favorecendo seu uso em diversos processos. Foi utilizado um planejamento de Taguchi L9 com os fatores: fração monomérica, fração de agentes reticulantes e fração de solventes inertes (tolueno e heptano), referentes ao processo de polimerização. As resinas produzidas foram utilizadas na sulfonação, na qual a temperatura foi variada para determinar o ponto ótimo em termos de capacidade de troca iônica e variação de massa. Por meio de balanços de massa e fazendo o uso do modelo do núcleo não reagido foi feita a modelagem matemática do processo. Os resultados obtidos mostram que as resinas reticuladas com etileno-glicol dimetacrilato (EGDMA) e trietileno-glicol dimetcrilato (TGDMA) apresentam boa capacidade de troca iônica (CTI) quando comparadas às resinas comerciais de estireno-divinilbenzeno (S-DVB), como, por exemplo, a Amberlyst®. As partículas sulfonadas de PS-EGDMA apresentaram CTI de 3,988 meq/g com ganho de massa de 30% enquanto as de PS-TEGDMA apresentaram capacidade de 3,477meq/g com ganho de massa de 47% no ponto ótimo tendo sido produzidas com temperaturas de sulfonação de 57,5ºC e 65ºC respectivamente. O modelo desenvolvido apresentou bom ajuste no intervalo entre o início da reação e o ponto máximo de capacidade de troca iônica, sendo capaz de prever as constantes cinéticas e de difusão da reação. Além disso, as partículas produzidas foram testadas na catálise heterogênea e conversões acima de 78% foram obtidas mostrando-se um eficiente catalisador.\n

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.158
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0020.002
Meta-epidemiology (broad)0.0020.001
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0010.000
Open science0.0020.000
Research integrity0.0020.001
Insufficient payload (model declined to judge)0.0040.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.028
GPT teacher head0.304
Teacher spread0.276 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Quick stats

Citations1
Published2019
Admission routes1
Has abstractyes

Explore more

Same topicMulticomponent Synthesis of HeterocyclesFrench-language works237,207