MétaCan
Menu
Retour à la cohorte
Enregistrement W2021656856 · doi:10.3109/03639045.2011.653361

Investigation of the effect of impeller speed on granules formed using a PMA-1 high shear granulator

2012· article· en· W2021656856 sur OpenAlexaff
Ryan Logan, Lauren Briens

Notice bibliographique

RevueDrug Development and Industrial Pharmacy · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésImpellerGranulationGranule (geology)Materials scienceMicrocrystalline celluloseComposite materialSlip factorShear (geology)Particle sizeMechanicsCelluloseChemical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Impeller speed was varied from 300 to 1500 rpm during the wet high shear granulation of a placebo formulation using a new vertical shaft PharmaMATRIX-1 granulator. The resulting granules were extensively analysed for differences caused by the varying impeller speed with emphasis on flowability. Microscopy showed that initial granules were formed primarily from microcrystalline cellulose at all tested impeller speeds. At low impeller speed of 300 rpm in the "bumpy" flow regime, forces from the impeller were insufficient to incorporate all the components of the formulation into the granules and to promote granule growth to a size that significantly improved flowability. The "roping" flow regime at higher impeller speeds promoted granule growth to a median particle size of at least 100 µm that improved the flowability of the mixture. Particle size distribution measurements and advanced indicators based on avalanching behavior, however, showed that an impeller speed of 700 rpm produced the largest fraction of optimal granules with the best flowability potential. This impeller speed allowed good development of "roping" flow for sufficient mixing, collision rates and kinetic energy for collisions while minimizing excessive centrifugal forces that promote buildup around the bowl perimeter.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,321
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,245
Écart entre enseignants0,205 · 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.

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

Citations10
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrug Development and Industrial PharmacyMême sujetGranular flow and fluidized bedsTravaux en français237 207