Produksjon av mikrobiell olje fra animalsk fett : prosessdesign, masse- og energibalanse
Bibliographic record
Abstract
Det er ikke alt som slaktes på slakteriene som ender opp som matprodukter. Det oppstår også biprodukter, restavfall, som ikke kan utnyttes i matvarehandelen. Restavfallet deles grovt inn i to kategorier; det som ikke kan konsumeres av mennesker, og substanser som er ufarlige for mennesker, både til mat, kosmetikk og farmasi. Denne masteroppgaven dreier seg om den siste kategorien, animalsk fett, kategori 3. Problemstillingen er hvordan omgjøre animalsk fett til verdifulle oljer, på et industrielt anlegg med utgangspunkt i eksperimenter fra laboratoriet. Aktuelle leverandører til prosessenhetene i anlegget er oppgitt i sammendraget. \n\nUtgangspunktet er 1000 kg animalsk fett fra slakteindustrien. Den kan lagres i en dyp-kjegle prosessenhet, med oppvarmingsfunksjon om nødvendig, fra Paul Mueller Company. Det animalske fettet blandes med en vannblanding bestående av 20 000 liter, med 200 kg gjærekstrakt og 212,25 kg mineraler som oppløses i vannet. Dette kan lagres i silo fra samme leverandør som over. I beregningene er det tatt med sterilisering av animalsk fett og sterilisering av vannblanding hver for seg. For det animalske fettet er dette gjort på forhånd fra leverandør, og hvis vannet holder en god, ren standard er det ikke nødvendig å sterilisere dette. Om sterilisering forekommer, bør det benyttes varmeveksler etter sterilisering i tank for å gjenbruke energien derfra. Varmeveksleren kan være av type Aalborg MD avløpskjøler fra Alfa Laval. Uten sterilisering forbruker prosessen 200 MJ mer per prosess. \n\nNår det animalske fettet og vannblandingen er ren, så skal substansene videre til sonikator. Fett og vann er ikke blandbart, de oppløser seg ikke i hverandre. Sonikatoren forbinder vannet med fettet til en løsning, og kan godt være fra Hielscher Ultrasonics, med en kapasitet på 10 kW. Væsken kan sammenlignes med slam, fordi primærslam inneholder omtrent 93-97% vann. I væsken med animalsk fett og vannblanding, også kalt substrat, utgjør vannet 95%, hvorav resten er fettstoffer. Poenget er da at de suspenderte stoffene foreligger som små partikler i vannet på samme måte som det animalske fettet i substratet. \n\nI fermentoren inokuleres substratet med muggsoppen Mortierella alpina. Det kan benyttes en fermentor fra Bioengineering AG. I denne sammenhengen brukes neddykket fermentering og direkte oppgradering. Direkte oppgradering betyr at muggsoppen har enzymer som er i stand til å bryte ned triasylglyserider, som er fettsyrer som forekommer ofte i dyr, til glyserol og fettsyrer, i denne sammenheng, oljesyre, for konsumering av Mortierella alpina. Dette er beskrevet kjemisk i fire reaksjonsligninger, de to første reaksjonsligninger representerer omdannelse til biomasse, dette gjelder 60% av stoffene, men de to siste reaksjonsligningene beskriver stoff som ikke reagerer med muggsoppen, representert som de siste 40% av stoffene. \n\nUt av fermentoren er det så beregnet at det kommer 273 kg med biomasse og 254 kg med triasylglyserider, uspist substrat, store mengder karbondioksid og nesten 1,7 tonn vann. Biomassen er egentlig muggsoppen. Under fermenteringen konsumerte den 60 % av substratet, og det ble dannet verdifulle oljer inne i muggsoppen. \nTil avvanning av vannet benyttes en hulfibermembran. En aktuell hulfibermembran er fra i2m-LLC med filtreringsareal på 4 m2. Denne fjerner vannet og triasylglyseridene, mens muggsoppen blir sittende fast i membranen. Etter membranfiltreringen, som er å fjerne overflødig vann utenfor cellen, går biomassen videre til fjerning av overflødig vann inne i cellen, som er tørking. Det er mulig å få kjøpt tørker fra Earth Care Products Inc, for eksempel, den enveis-roterende tørketrommelen. Etter tørking har biomassen minsket til omtrent 22 kg.\n\nEtter tørking må de verdifulle oljene trekkes ut fra de avdøde cellene ved hjelp av superkritisk CO2- ekstraksjon, dette utstyret kan bestilles fra Scientific and Medical Products Ltd, og da gjenstår det 16,35 kg med olje. Av disse besto nesten 5 kg av flerumettede fettsyrer, PUFA, hvor det kunne utvinnes 2,06 kg av den viktigste fettsyren ARA og bare 70,3 g EPA, som det var minst av. ARA er viktig for nerver, skjelett og immunsystem, mens EPA kan muligens forebygge hjerte- og karsykdommer.
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.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.008 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".