MétaCan
Menu
Retour à la cohorte
Enregistrement W2313842344 · doi:10.1021/ef400560z

Improving the Interface between Fischer–Tropsch Synthesis and Refining

2013· article· en· W2313842344 sur OpenAlexaff
Daniel F. Rodríguez‐Vallejo, Arno de Klerk

Notice bibliographique

RevueEnergy & Fuels · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFischer–Tropsch processDistillationProcess engineeringVacuum distillationRefining (metallurgy)Batch distillationFractionating columnContinuous distillationYield (engineering)Process (computing)Materials scienceChemistryChemical engineeringCatalysisChromatographyFractional distillationOrganic chemistryComputer scienceEngineeringMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract In a typical industrial Fischer–Tropsch process the hot reaction product from Fischer–Tropsch synthesis is stepwise cooled, condensed, and recovered, before being separated by distillation into different cuts. A different design was proposed whereby the hot reaction products are directly introduced into a pressure distillation unit, which combines syncrude recovery and distillation. Process simulation was employed to evaluate the proposal. It was found that integration of syncrude recovery and distillation was technically viable and that it had a number of benefits compared to stepwise cooling and recovery of syncrude prior to distillation. These positive outcomes were independent of the type of Fischer–Tropsch technology used. Some notable benefits included a decrease in heating/cooling duty, improved liquid recovery, and reduced loading of tail gas separation. The proposed design also enabled other improvements, such as a strategy to improve catalyst-wax separation from slurry bubble column reactors and a strategy to reactively improve distillation performance and increase liquid yield.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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

Citations26
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetProcess Optimization and IntegrationTravaux en français237 207