Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali pa uporabite sodobnejši brskalnik.
Repozitorij Univerze v Ljubljani
Nacionalni portal odprte znanosti
Odprta znanost
DiKUL
slv
|
eng
Iskanje
Napredno
Novo v RUL
Kaj je RUL
V številkah
Pomoč
Prijava
Podrobno
Self-optimization of Claisen-Schmidt condensation in an automated microflow reaction system using machine learning
ID
Pucihar, Urh
(
Avtor
),
ID
Vračar, Petar
(
Avtor
),
ID
Bitenc, Marko
(
Avtor
),
ID
Kopač, Tilen
(
Avtor
)
PDF - Predstavitvena datoteka,
prenos
(2,83 MB)
MD5: 156E98C54F6DC6D819D24465AC969C9A
URL - Izvorni URL, za dostop obiščite
https://www.sciencedirect.com/science/article/pii/S0098135425002650
Galerija slik
Izvleček
An efficient self-optimization system was developed for managing chemical reactions in a plug flow reactor, aiming to minimize reactant and intermediate concentrations while maximizing product yield. The approach was demonstrated using a Claisen–Schmidt condensation between 2-methoxybenzaldehyde and acetone. Kinetic parameters, including activation energy, pre-exponential factors, and reaction orders, were determined and integrated into mass balance equations to predict final reactant and product concentrations. The self-optimization system autonomously adjusted flow rates, achieving experimental results with a deviation of ±10 % from theoretical predictions. Compared to classical methods, which first determine kinetic parameters in batch systems, this system significantly reduces the time required to reach optimal conditions. Additionally, it minimizes chemical consumption, enhancing both environmental sustainability and economic efficiency. This work highlights the potential of self-optimization in chemical reaction engineering, offering a faster and more resource-efficient alternative to conventional optimization approaches.
Jezik:
Angleški jezik
Ključne besede:
Claisen-Schmidt condensation
,
kinetic parameters
,
self-optimization
,
machine learning
Vrsta gradiva:
Članek v reviji
Tipologija:
1.01 - Izvirni znanstveni članek
Organizacija:
FKKT - Fakulteta za kemijo in kemijsko tehnologijo
FRI - Fakulteta za računalništvo in informatiko
Status publikacije:
Objavljeno
Različica publikacije:
Objavljena publikacija
Leto izida:
2025
Št. strani:
12 str.
Številčenje:
Vol. 201, art. 109261
PID:
20.500.12556/RUL-170300
UDK:
66.095.3:004.85
ISSN pri članku:
0098-1354
DOI:
10.1016/j.compchemeng.2025.109261
COBISS.SI-ID:
240904963
Datum objave v RUL:
03.07.2025
Število ogledov:
304
Število prenosov:
50
Metapodatki:
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago 17th Author-Date
Harvard
IEEE
ISO 690
MLA
Vancouver
:
Kopiraj citat
Objavi na:
Gradivo je del revije
Naslov:
Computers & chemical engineering
Skrajšan naslov:
Comput. chem. eng.
Založnik:
Pergamon Press
ISSN:
0098-1354
COBISS.SI-ID:
22039
Licence
Licenca:
CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:
http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:
To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Sekundarni jezik
Jezik:
Slovenski jezik
Ključne besede:
Claisen-Schmidtova kondenzacija
,
kinetični parametri
,
samooptimizacija
,
strojno učenje
Projekti
Financer:
ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:
P2-0191
Naslov:
Kemijsko inženirstvo
Financer:
Drugi - Drug financer ali več financerjev
Številka projekta:
RRU/03-2021
Podobna dela
Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:
Nazaj