The Role of Concentration Polarization with Concentration Dependent Diffusion Coefficient in Polymeric Membrane During Pervaporation
Notice bibliographique
Résumé
The increase of the diffusion coefficient, due to its concentration dependency, can strongly increase the mass transfer rate through the membrane. Accordingly, the negative effect of the mass transfer resistance of the polarization layer can essentially be increased on the separation efficiency, especially in the case of low solute concentration in the feed phase. This effect can also exist at high solute concentration at extremely high pervaporation rate as it is illustrated by the case study. The simultaneous effect of the concentration polarization and membrane layers is discussed in this paper in case of exponentially or linearly concentration dependent diffusion coefficient. Mass transfer rate, enrichment and the polarization modulus are expressed in implicit, closed mathematical equations involving the transport parameters of the two layers, i.e.the kL, Pe, km, H values. How the increasing diffusion coefficient affects the concentration distribution in the polarization and the membrane layers and due to it, the mass transfer rate, enrichment or the polarization modulus, indicating the effect of the polarization layer, is discussed. It is shown how strongly the dimensionless plasticizing coefficient can decrease the polarization modulus and can affect the concentration distribution in the polarization and the membrane layers as well as the ratio of the diffusion dependent mass transfer rate to that without plasticizing effect, namely if . The case study illustrates the effect of the external mass transfer resistance on the mass transfer rate and on the concentration distribution in the case of high value of a plasticization coefficient.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».