MétaCan
Menu
Retour à la cohorte
Enregistrement W2111096041 · doi:10.1051/epjconf/20135001006

Using a tracer technique to identify the extent of non-ideal flows in the continuous mixing of non-Newtonian fluids

2013· article· en· W2111096041 sur OpenAlexaff
Dineshkumar Patel, Farhad Ein‐Mozaffari, Mehrab Mehrvar

Notice bibliographique

RevueEPJ Web of Conferences · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMixing (physics)MechanicsTRACERNewtonian fluidFlow (mathematics)Mixing patternsComputer scienceSimulationMechanical engineeringEnvironmental scienceProcess engineeringMaterials scienceChemistryEngineeringPhysicsNuclear physics

Résumé

récupéré en direct d'OpenAlex

The identification of non-ideal flows in a continuous-flow mixing of non-Newtonian fluids is a challenging task for various chemical industries: plastic manufacturing, water and wastewater treatment, and pulp and paper manufacturing. Non-ideal flows such as channelling, recirculation, and dead zones significantly affect the performance of continuous-flow mixing systems. Therefore, the main objective of this paper was to develop an identification protocol to measure non-ideal flows in the continuous-flow mixing system. The extent of non-ideal flows was quantified using a dynamic model that incorporated channelling, recirculation, and dead volume in the mixing vessel. To estimate the dynamic model parameters, the system was excited using a frequency-modulated random binary input by injecting the saline solution (as a tracer) into the fresh feed stream prior to being pumped into the mixing vessel. The injection of the tracer was controlled by a computer-controlled on-off solenoid valve. Using the trace technique, the extent of channelling and the effective mixed volume were successfully determined and used as mixing quality criteria. Such identification procedures can be applied at various areas of chemical engineering in order to improve the mixing quality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,896
Score d'incertitude au seuil0,402

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,016
Tête enseignante GPT0,269
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEPJ Web of ConferencesMême sujetFluid Dynamics and MixingTravaux en français237 207