MétaCan
Menu
Retour à la cohorte
Enregistrement W2000642572 · doi:10.1021/ie051080o

Measuring Moisture Content of Potash Bulk Fertilizers Using a Steel Ball in a Transient Heat Transfer Process

2006· article· en· W2000642572 sur OpenAlexafffund
Richard W. Evitts, Todd Yungwirth, Robert W. Besant

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Saskatchewan
Mots-clésPotashWater contentThermal conductivityMaterials scienceMoistureHeat transferBall (mathematics)Particle sizeHeat transfer coefficientComposite materialAnalytical Chemistry (journal)ThermodynamicsMetallurgyChemistryGeotechnical engineeringPotassiumGeologyChromatography

Résumé

récupéré en direct d'OpenAlex

This research measures the effective thermal conductivity of a bed of granular potash particles and determines its relationship to moisture content by measuring the time dependent temperature of a heated steel spherical ball inserted into the bed. In these tests, the steel ball is heated to 5−10 °C above the bed temperature and then placed into the bed. As the heat diffuses throughout the bed, a data acquisition system records the temperature of the ball. The bed effective thermal conductivity is then calculated from these data. Tests were performed for five different ranges of particle sizes at five moisture contents (i.e., 0, 0.25, 0.5, 1.0, 2.0, and 3.0 wt %). The coefficient of determination for a linear fit between moisture content and effective thermal conductivity was found to vary from 0.913 to 0.998. This technique is expected to be practical for field measurements with granular materials, such as bulk fertilizers, because data can taken at selected points in the bed and because of its low cost, quick response, and simplicity of instrumentation.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,195
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,129
Tête enseignante GPT0,282
Écart entre enseignants0,153 · 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.

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

Citations3
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetGranular flow and fluidized bedsTravaux en français237 207