MétaCan
Menu
Retour à la cohorte
Enregistrement W2060083186 · doi:10.1080/07373930903383687

Excel-Based Tool to Analyze the Energy Performance of Convective Dryers∗

2009· article· en· W2060083186 sur OpenAlexaff
Tadeusz Kudra, Radu Platon, Philippe Navarri

Notice bibliographique

RevueDrying Technology · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésEnergy consumptionProcess engineeringEnergy (signal processing)Efficient energy useModular designEnergy accountingIdentification (biology)InefficiencyComputer scienceEnvironmental scienceEngineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

An algorithm to examine the energy performance of convective dryers was developed and transformed into an Excel-based calculation tool. Provided with the input data for a given industrial dryer, this tool allows the energy use to be quantified in terms of the specific energy consumption and energy efficiency. The energy use can then be compared with the corresponding values for an ideal adiabatic dryer to identify the potential for energy savings. The algorithm accounts for direct and indirect dryers as the single- and multistage units operated in closed or open cycles. In addition, the maximum energy efficiency can be determined for nonhygroscopic materials through the sorption isotherms. The tool permits the identification of the major sources of dryer inefficiency and allows energy savings to be calculated for several low- and medium-cost measures such as dryer insulation, partial recycling of exhaust air, feed preheating, and others. The tool is built as a modular system comprising the following main components: dryer identification, calculation of actual energy consumption, comparison with the theoretical energy consumption, identification of sources of energy inefficiency, and analysis of options to reduce energy consumption.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,006

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 Opus0,004
Tête enseignante GPT0,199
Écart entre enseignants0,195 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrying TechnologyMême sujetProcess Optimization and IntegrationTravaux en français237 207