MétaCan
Menu
Retour à la cohorte
Enregistrement W2163498833 · doi:10.1002/cjce.22043

Modelling and simulation of raw material blending process in cement raw mix milling installations

2014· article· en· W2163498833 sur OpenAlexvenueno aff
Dimitris Tsamatsoulis

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMineral Processing and Grinding
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRaw materialMixing (physics)LimeProcess engineeringCementProcess (computing)MillSystem dynamicsMaterials scienceMechanical engineeringEngineeringComputer scienceMetallurgyChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract A series of multivariable models composed from linear differential equations, integrals, and delays has been developed to describe the dynamics of mixing of the raw materials during the cement raw meal milling. The dynamics between the main oxides and chemical modules of raw mix in mill outlet and the materials proportions in mill entrance is investigated. The distributions of model parameters (gains, time constants, delays, steady state values) are determined. In this way, the structure of the parameters' uncertainty is clearly expressed, explained by the raw materials composition uncertainty and can be used in process simulation. A successful attempt is made to simulate the mill operation by including the main components of the process concerning mixing and dynamics. The simulator calculates the chemical analyses and modules of raw meal in the mill outlet, and also the dynamics of the main module characterizing raw meal and cement i.e., the lime saturation factor (LSF). Thus, the effect of the raw materials compositions and their uncertainty on LSF dynamics is studied. The dynamical models analyzed can be used to build robust controllers, while the simulator constitutes a tool to evaluate the efficiency of the control strategies.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

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 savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,201
Écart entre enseignants0,190 · 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'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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMineral Processing and GrindingTravaux en français237 207