Optimization of silver cementation yield in fixed bed reactor using factorial design and central composite design
Notice bibliographique
Résumé
Abstract This work deals with cementation of silver onto iron grid in fixed bed reactor. The influence of several parameters is studied namely: initial concentration of silver [Ag + ] 0 , flow rate, solution pH, and mass of iron. Moreover, their influence on the yield of the reaction of cementation is investigated statistically by the experimental design in view of industrial application. The estimation and the comparison of the parameter's effects are realised by using two‐level factorial design. The analysis of these effects permits to state that the most influential factor is the mass of iron with an effect of (+5.642), the second in the order is the initial concentration of silver ions (Ag + ) with an effect of (+4.005), the third is the flow rate of the electrolytic solution with an effect of (+3.824). A central composite design methodology is employed to determine the optimum conditions for a silver cementation yield onto iron grid. For this end, the experimental results were approximated by a second‐order model as well as the surface contour plots and surface responses are drowned. The optimal conditions found for initial silver concentration, such as a flow rate, pH of the solution and mass of iron, are respectively: 21.25 mg/L, 4.43 L/min, 3.6 and 50 g. Under these conditions, the obtained silver cementation yield is 96.851%.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».