Advances in synthesis of azeotropic distillation column sequences: internal secondary recycles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract An algorithm for automatic generation of sequences of distillation columns and decanters for separation of azeotropic mixtures has been developed (S.K. Wasylkiewicz, 54th Canadian Chemical Engineering Conference, paper No. 243, Calgary, October 2004; S.K. Wasylkiewicz, AIChE Spring National Meeting, paper No. 83e, Atlanta, GA, April 2005) where distillation boundaries can be crossed by moving them with pressure change, by exploring curvatures of distillation boundaries, or by liquid‐liquid splits in decanters. In the first step of the algorithm, open‐loop sequences are generated and primary recycles are automatically detected. Then, mass balances are calculated to finish the sequences. In this paper, we are focused on internal secondary recycles where species present in the sequence feed are introduced as separating agents. This can be a pure component produced somewhere downstream in the sequence or any other intermediate stream. On the basis of a broad knowledge about distillation regions and boundaries for the separated mixture, a preferred distillation region can be identified and a suitable recycle stream can be selected. These types of recycles can simplify tremendously, the whole sequence and reduce significantly the total cost of separation. We present in detail an example based on an industrial case where the internal secondary recycle was efficiently found and calculated during synthesis of column sequences by using the Split Generator in Distil and the mass balance calculation in MS Excel. Copyright © 2007 Curtin University of Technology and John Wiley & Sons, Ltd.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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