MétaCan
Menu
Retour à la cohorte
Enregistrement W2062335289 · doi:10.1021/ie800496x

Using Computational Fluid Dynamics To Study the Dynamic Behavior of the Continuous Mixing of Herschel−Bulkley Fluids

2008· article· en· W2062335289 sur OpenAlexafffund
Salwan Saeed, Farhad Ein‐Mozaffari, Simant R. Upreti

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputational fluid dynamicsImpellerMechanicsMixing (physics)Flow (mathematics)Herschel–Bulkley fluidMaterials scienceTurbulenceFluid dynamicsFluentPhysics

Résumé

récupéré en direct d'OpenAlex

A continuous-flow mixer was designed and built to study the mixing of xanthan gum solution, a pseudoplastic fluid possessing yield stress. The extent of flow nonideality was quantified using a dynamic model that incorporated two parameters: channeling and fully mixed volume in the vessel. Dynamic experiments were made using the frequency-modulated random binary input of a brine solution to determine the magnitude of nonideal flow parameters. The same experiments were simulated using a computational fluid dynamics (CFD) package (Fluent 6.2). CFD flow fields were used to obtain the system dynamic response to a tracer injection applied at conditions identical to the experimental ones. The extents of channeling and effective mixed volume were determined using the CFD model and then compared with the parameters obtained experimentally. Validated CFD flow fields enabled us to effectively monitor the effect of various operating conditions on flow nonideality, to relate flow pattern and cavern dimension to flow nonideality, to compare the efficiency of impellers, and to provide a pictorial synopsis of continuous-flow mixing operation.

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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,077
Tête enseignante GPT0,321
Écart entre enseignants0,244 · 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

Citations57
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetFluid Dynamics and MixingTravaux en français237 207