MétaCan
Menu
Retour à la cohorte
Enregistrement W2088366649 · doi:10.1115/1.4029596

Temperature and Entropy Generation Analyses Between and Inside Rotating Cylinders Using Copper–Water Nanofluid

2015· article· en· W2088366649 sur OpenAlexaff
Mohsen Torabi, Kaili Zhang, Shohel Mahmud

Notice bibliographique

RevueJournal of Heat Transfer · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésNanofluidMaterials scienceThermodynamicsThermalMechanicsEntropy (arrow of time)Thermal conductivityHeat generationBrinkman numberCopperNusselt numberPhysicsReynolds numberTurbulence

Résumé

récupéré en direct d'OpenAlex

Entropy generation is squarely linked with irreversibility, and consequently with exergy destruction within a thermal system. This study concerns with the temperature distribution, and local and volumetric averaged entropy generation rates within a cylindrical system with two solid co-rotating inner and outer parts and the middle nanofluid flow part. Temperature-dependent thermal conductivities for solid materials are included within the modeling. To obtain the temperature formula within all three sections, a combined analytical–numerical solution technique is applied. An exact analytical solution is also obtained, when constant thermal conductivities for solid materials are assumed. The resultant data from the analytical–numerical solution technique is verified against the investigated exact solution. Thereafter, the velocity and temperature fields from the combined analytical–numerical solution technique are incorporated into the entropy generation formulations to obtain the local and volumetric averaged entropy generation rates. Using abovementioned procedure, the effects of thermophysical parameters such as nanoparticles volume concentration, Brinkman number, thermal conductivity parameter ratios, outer temperature boundary condition, internal heat generation rates and velocity ratios on the temperature field, and entropy generation rates are investigated.

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)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
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 Opus0,074
Tête enseignante GPT0,286
Écart entre enseignants0,212 · 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

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Heat TransferMême sujetNanofluid Flow and Heat TransferTravaux en français237 207