MétaCan
Menu
Retour à la cohorte
Enregistrement W1977670294 · doi:10.1111/j.1745-4530.2005.00379.x

SOLID FOODS FREEZE‐DRYING SIMULATION AND EXPERIMENTAL DATA

2005· article· en· W1977670294 sur OpenAlexaff
Seddik Khalloufi, Jean-Loup Robert, Cristina Ratti

Notice bibliographique

RevueJournal of Food Process Engineering · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueFreezing and Crystallization Processes
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSublimation (psychology)Mass transferThermodynamicsNonlinear systemDehydrationMechanicsHeat transferPosition (finance)ChemistryExperimental dataPartial differential equationThermal conductivityMaterials scienceMathematicsPhysicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This article presents a mathematical model describing the unsteady heat and mass transfer during the freeze drying of biological materials. The model was built from the mass and energy balances in the dried and frozen regions of the material undergoing freeze drying. A set of coupled nonlinear partial differential equations permitted the description of the temperature and pressure profiles, together with the position of the sublimation interface. These equations were transformed to a finite element scheme and numerically solved using the Newton‐Raphson approach to represent the nonlinear problem and the interface position. Most parameters involved in the model (i.e., thermal conductivity, specific heat, density, heat and mass transfer coefficients etc.) were obtained from experimental data cited in the literature. The dehydration kinetics and the temperature profiles of potato and apple slabs were experimentally determined during freeze drying. The simulation results agreed closely with the water content experimental data. The prediction of temperature profiles within the solid was, however, less accurate.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,300
Écart entre enseignants0,274 · 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'étudeSimulation ou modélisation
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

Citations21
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food Process EngineeringMême sujetFreezing and Crystallization ProcessesTravaux en français237 207