MétaCan
Menu
Retour à la cohorte
Enregistrement W1967440914 · doi:10.1021/ie000074j

Modeling of Feed Vaporization in Fluid Catalytic Cracking

2000· article· en· W1967440914 sur OpenAlexaff
C. Mirgain, Cédric Briens, M. Del Pozo, R. Loutaty, M.A. Bergougnou

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésVaporizationMaterials scienceCatalysisFluid catalytic crackingChemical engineeringMass transferHeat transferPorosityYield (engineering)CrackingChemistryThermodynamicsComposite materialChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Feed vaporization in the fluid catalytic cracking (FCC) process affects the yield of valuable products in risers and downers. Feedstock droplets sprayed into a fluid cracker undergo both homogeneous vaporization in the gas phase and heterogeneous vaporization as they collide with catalyst particles. This paper models both processes. Homogeneous vaporization, with both convection and radiation heat transfer, cannot completely vaporize oil droplets with diameters larger than 10 μm. Spraying droplets into a dilute cloud of catalyst particles forms a “tunnel” of hydrocarbon vapor that minimizes droplet−catalyst contact and vaporization. Alternately, spraying the droplets onto a dense jet of catalyst particles does not provide proper heat transfer and vaporization. Modeling indicated that the best way of ensuring fast vaporization of oil droplets in FCC risers and downers is to spray the droplets onto a jet of catalyst particles with a porosity ranging between 70 and 90%.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,788

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,280
Écart entre enseignants0,230 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations41
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207