MétaCan
Menu
Retour à la cohorte
Enregistrement W1975902100 · doi:10.1021/ie0601706

Modeling of Deposition from “Waxy” Mixtures in a Pipeline under Laminar Flow Conditions via Moving Boundary Formulation

2006· article· en· W1975902100 sur OpenAlexafffund
Nitin V. Bhat, Anil K. Mehrotra

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2006
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesWestern Canada Research GridUniversity of Calgary
Mots-clésLaminar flowDeposition (geology)MechanicsHeat transferThermodynamicsReynolds numberEutectic systemMaterials scienceFlow (mathematics)Steady state (chemistry)ConvectionInletPipe flowMass transferChemistryComposite materialGeologyTurbulencePhysics

Résumé

récupéré en direct d'OpenAlex

A mathematical model, based on the moving boundary approach, is developed for the growth of the deposit from paraffinic mixtures due to heat transfer in a pipeline. The model extends a recent study on the deposition from “waxy” mixtures by including unsteady-state energy balance and heat transfer in both radial and axial directions for hydrodynamically established laminar flow. Numerical solutions were obtained for the growth of deposit with time, both radially and axially, from a binary eutectic mixture of n -C 16 H 34 and n -C 28 H 58 . Two different scenarios for the initiation of the deposition process were investigated. Even though the transient results for the temperature profile and deposit thickness differed significantly, identical steady-state predictions were obtained for the two scenarios. For a constant pipe-wall temperature, the steady-state deposit thickness was predicted to increase with the pipe length. The predicted deposit thickness was lower for a higher inlet mixture temperature, pipe-wall temperature, and Reynolds number. The trends in model predictions were compared with the published results from deposition experiments performed on similar waxy mixtures.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil0,909

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 Opus0,036
Tête enseignante GPT0,298
Écart entre enseignants0,262 · 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

Citations32
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetPetroleum Processing and AnalysisTravaux en français237 207