MétaCan
Menu
Retour à la cohorte
Enregistrement W2031565062 · doi:10.1080/10407782.2012.691050

Numerical Modeling of the Freezing of a Porous Humid Food inside a Cavity due to Natural Convection

2012· article· en· W2031565062 sur OpenAlexaff
Ehsan Ebrahimnia-Bajestan, Hamid Niazmand, Vahid Etminan Farooji, Elaheh Ebrahimnia

Notice bibliographique

RevueNumerical Heat Transfer Part A Applications · 2012
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésNatural convectionThermodynamicsHeat transferConvectionRayleigh numberMechanicsMaterials scienceWater contentChemistryGeologyGeotechnical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The conjugate heat transfer problem of food freezing inside a cavity was numerically investigated. A vegetable sponge has been considered as a food block freezing inside a square freezing chamber due to natural convection. The need for specifying the block surface convective heat transfer coefficients was eliminated by solving the surrounding cooling fluid and, therefore, a comprehensive understanding on heat transfer and airflow during freezing can be achieved. The 2-D unsteady Navier-Stokes and energy equations were solved using a finite volume method with the semi-implicit SIMPLE algorithm. Thermophysical properties of food block components were considered to be dependent on temperature, as well as moisture and ice content, which has been rarely considered in food freezing studies. The specific heat capacity method was employed to model the freezing process. The Krischer model was adopted for predicting the thermal conductivity of the food, which indicates that the model works with reasonable accuracy for humid porous foods. The mechanism of natural convection in the cavity was carefully studied and the effects of different parameters on the freezing time were examined. The food freezing curves were investigated for various Rayleigh numbers in the range of 104 ≤ Ra ≤ 106, with different area ratios of A = 1/16, 1/9, and 1/4, and food initial water contents of X tw = 0.48, 0.58, and 0.68. It was concluded that increasing the Rayleigh number reduces the freezing time. On the other hand, area ratio and initial water content of the food were proved to extend the freezing time.

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: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,043
Tête enseignante GPT0,281
Écart entre enseignants0,239 · 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

Citations20
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNumerical Heat Transfer Part A ApplicationsMême sujetPhase Change Materials ResearchTravaux en français237 207