MétaCan
Menu
Retour à la cohorte
Enregistrement W1784919366 · doi:10.6000/1929-6037.2015.04.03.5

A Review of Applications of Rotating and Vibrating Membranes Systems: Advantages and Drawbacks

2015· review· en· W1784919366 sur OpenAlexvenueno aff
Michel Y. Jaffrin, Luhui Ding

Notice bibliographique

RevueJournal of Membrane and Separation Technology · 2015
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMembraneChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Dynamic filtration (DF) consists in creating a high membrane shear rate by disks rotating near a fixed membrane or by rotating or vibrating membranes. The shear rate can exceed 3 105s-1 in some modules and significantly increases permeate flux and membrane selectivity as compared to cross flow (CF) devices. This paper describes several DF industrial modules and gives equations for calculating shear rates at rotating and vibrating membranes. It reviews 23 recent articles from 2008 to 2014, dealing with diverse applications: separation of microalgae from sea water by UF, clarification of rough beer, concentration of CaCO3 suspensions, treatment of dairy effluents and shipboard wastewaters, inulin extraction from chicory juice, treatment of oil field water, and separation of bovine albumin from yeast. In several applications, the maximum permeate flux at initial concentration ranged from 270 to 760 Lh-1m-2. Modules with ceramic membranes rotating around several shafts inside a housing seem to be preferable to the concept of multi-compartments modules with metal disks rotating between fixed membranes. Since the cost of DF modules is higher than that of spiral wound ones, it is better to apply DF to ”end of pipe treatment” after an initial concentration by CF.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,328
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Membrane and Separation TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207