MétaCan
Menu
Retour à la cohorte
Enregistrement W2015322405 · doi:10.1002/cjce.22198

Effect of liquid‐phase properties on separation efficiency in a randomly packed distillation column

2015· article· en· W2015322405 sur OpenAlexafffundvenue
Andrea Bader, Artin Afacan, Dave Sharp, Karl T. Chuang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSurface tensionTrayTheoretical plateChromatographyViscosityChemistryHeptaneDistillationPhase (matter)Packed bedMaterials scienceMethanolAnalytical Chemistry (journal)Composite materialThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The effects of the liquid properties on packing efficiency were investigated experimentally. Tests were performed in a column packed with ceramic Intalox® saddles, 7 mm in diameter. The distillation column was operated under total reflux and at atmospheric pressure (94 kPa). Surface tension positive (methanol/water, n‐heptane/toluene), surface tension negative (benzene/n‐heptane), and surface tension neutral (methanol/isopropanol and cyclohexane/n‐heptane) systems were selected to examine the wide range liquid property effects on the height of equivalent to a theoretical tray (HETP). The surface tension gradient was found to be the dominant factor affecting HETP in surface tension positive systems, but had no effect for the surface tension negative system. For the surface tension neutral system, it was found that the liquid diffusivities and viscosities had the greatest effect on HETP. The measured HETP data was also compared with tray results obtained from literature, to determine if packing and tray efficiencies are affected in a similar manner by the liquid properties. It was concluded that the surface tension gradient, liquid diffusivities, and viscosity have similar effects on the efficiency of packed and tray columns.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,226
Écart entre enseignants0,216 · 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'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

Citations7
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetProcess Optimization and IntegrationTravaux en français237 207