MétaCan
Menu
Retour à la cohorte
Enregistrement W2312590915 · doi:10.1021/ie402415u

Analysis of Power Consumption in Multishaft Mixers

2014· article· en· W2312590915 sur OpenAlexaff
Xiao Wang, Maya Farhat, Louis Fradette, Philippe A. Tanguy

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésCoaxialRotor (electric)Power (physics)StatorMixing (physics)Power consumptionReynolds numberComputer scienceElectrical engineeringMechanical engineeringMechanicsEngineeringPhysicsThermodynamicsTurbulence

Résumé

récupéré en direct d'OpenAlex

New definitions of the Reynolds and power numbers proposed by Farhat, Fradette, and Tanguy (2008) for coaxial mixers were discussed and extended to some other types of multishaft mixers not considered previously. The results confirmed that these new correlations are also applicable for the dual shaft mixer configurations and the Superblend mixer. This universal applicability allowed the authors to experimentally investigate and compare the power consumption and the mixing time in the coaxial, the dual shaft, and the Superblend mixers based on uniform criteria. It was found that the Mixel TT–Anchor combination is the most power-efficient combination, whereas the Superblend mixer requires the most power. Besides, a general approach was introduced to predict the power constant of these multishaft mixers. Finally, the limitations of the new correlations were pointed out through the extension study of their applicability in Superblend and Rotor Stator–Paravisc dual shaft mixer.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,445
Score d'incertitude au seuil0,631

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,046
Tête enseignante GPT0,304
Écart entre enseignants0,257 · 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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetFluid Dynamics and MixingTravaux en français237 207