MétaCan
Menu
Retour à la cohorte
Enregistrement W2004008744 · doi:10.1021/ie001032y

Mechanistic Model for Structured-Packing-Containing Columns:  Irrigated Pressure Drop, Liquid Holdup, and Packing Fractional Wetted Area

2001· article· en· W2004008744 sur OpenAlexaff
Ion Iliuta, Faı̈çal Larachi

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPressure dropStructured packingCountercurrent exchangeMechanicsWettingPacked bedDistributorChemistryChromatographyThermodynamicsMaterials scienceMechanical engineeringMass transferEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

An implicit one-dimensional two-zone two-fluid mechanistic model was developed for the prediction of the irrigated two-phase pressure drop, the total liquid holdup, and the packing fractional wetted area in gas−liquid countercurrent columns containing structured packings and operated in the preloading zone. The model was an offshoot of the well-known “single-slit” mechanistic approach to cocurrent down-flow trickle-bed reactors. It mimicked the actual bed void by means of two hypothetical, recurrent, and geometrically similar inclined slits consisting of a dry slit and a wet slit. This mechanistic model required no single adjustable parameter and proved powerful in the prediction of the column hydraulics under various operational conditions such as atmospheric scrubbing or high-pressure/temperature distillation conditions. In this context, a collection of data relative to the irrigated pressure drop, liquid holdup, and packing fractional wetted area obtained under low/high pressure/temperature has been compiled from the literature for columns equipped with structured packings and operated below the loading point and under partial wetting. This databank provided pertinent information for successful validation of the model. The satisfactory results obtained highlight the breadth of applicability of the proposed approach, especially for new designs or for optimal rating of existing equipment.

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)0,000
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,087
Tête enseignante GPT0,308
Écart entre enseignants0,221 · 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

Citations46
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetProcess Optimization and IntegrationTravaux en français237 207