MétaCan
Menu
Retour à la cohorte
Enregistrement W1996560139 · doi:10.1021/ie300843z

Pilot-Scale Examination of Mixing Liquid into Pulp Fiber Suspensions in the Presence of an In-Line Mechanical Mixer

2012· article· en· W1996560139 sur OpenAlexaff
Wisarn Yenjaichon, John R. Grace, C. Jim Lim, Chad P. J. Bennington

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésImpellerTurbulenceMixing (physics)MechanicsMaterials scienceRotational speedChemistryMechanical engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

The quality of liquid mixing into the main stream for an in-line mechanical mixer was investigated for water and pulp suspensions over a range of mass concentrations (0–3.0%), main-stream velocities (0.5–3.0 m/s), jet velocities (3.8–12.6 m/s), and rotational speeds (0–800 rpm) based on electrical resistance tomography and a modified mixing index, derived from the coefficient of variation of conductivity values. The mixing quality was worse when the jet penetrated to the far wall of the pipe for all fiber mass concentrations investigated, whereas this only applied at higher mass concentrations without the impeller. For water flow, the residence time had a significant effect on mixing at higher impeller speeds. With the impeller present, the mixing quality in pulp suspensions improved substantially and was similar to that for water when the flow approached the turbulent regime, with a considerably lower main-stream velocity required for mixing compared to a tee mixer alone. At higher mass concentrations, the energy supplied was insufficient to provide the same level of turbulence as that in water, even at the highest main-stream velocity and impeller speed examined. Improved mixing with increasing impeller speed primarily occurred in the high-shear zone around the impeller, with turbulence decaying rapidly downstream, likely aided by reflocculation.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,009
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,072
Tête enseignante GPT0,314
Écart entre enseignants0,242 · 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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetElectrical and Bioimpedance TomographyTravaux en français237 207