Statistical modelling of the spouted bed coating process using positron emission particle tracking (PEPT) data
Notice bibliographique
Résumé
Abstract Coating of particles larger than about 1 mm can be achieved in a spouted bed, a particle mobilization device in which a strong particle circulation occurs, rapidly upwards in a lean central “spout” region and downwards in a slowly moving annular settled bed. In a spouted bed coater, a spray nozzle is placed at the base of the spout, spraying upwards into a distinct coating zone. The coating formation in a spouted bed is inter alia a function of (i) the particle motion, that is, how often and where particles enter and traverse the coating zone and (ii) the extent of droplet collection by individual particles passing through the coating zone. The coating model proposed here is based on the statistical history of individual particles, whose projected area governs the collection of spray droplets in the coating zone. Positron emission particle tracking (PEPT) has been used to determine the particle trajectories, the distribution of cycle times and the size and voidage of the spout. Whilst the model is not capable of delivering absolute values of coating mass a priori, it can predict deviations from a mean, which can itself be determined from an overall mass balance. To validate the model, a spouted bed coating process was studied in which coarse PVC spheres were coated with the hot‐melt coating material polyethylene glycol (PEG) 1500. Coating mass distributions, derived from the weight data of individual particles before and after manual coating removal, compared (for the studied conditions) very well with the predictions of the model.
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 | 0,001 | 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 ».