MétaCan
Menu
Retour à la cohorte
Enregistrement W2320855887 · doi:10.1021/ef301887f

Predictive Kinetics Model for an Industrial Waste Tire Pyrolysis Process

2013· article· en· W2320855887 sur OpenAlexafffund
Jean-Rémi Lanteigne, Jean‐Philippe Laviolette, Gilles Tremblay, Jamal Chaouki

Notice bibliographique

RevueEnergy & Fuels · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesMitacs
Mots-clésPyrolysisCharKineticsThermogravimetric analysisYield (engineering)DecompositionProcess (computing)Process engineeringMaterials scienceThermodynamicsChemistryComputer scienceOrganic chemistryEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

A new pyrolysis model was developed to predict the individual product (noncondensable volatiles, condensable volatiles, and char) yield for Ecolomondo’s industrial waste tire pyrolysis process. This novel predictive kinetics-based model couples product selectivity data obtained from thermogravimetric analysis experiments to a global single-step decomposition reaction term to reproduce the nonlinear relationship between product selectivity and temperature. A transient energy balance based on a lumped capacitance method was also used to calculate the tire shred temperature using the rotary drum wall temperature as an input. The kinetics model was compared to experimental oil production data from the industrial process as well as existing models in the literature. It is shown that the model can successfully predict the oil production of the industrial process and the model accuracy is greater for smooth operating conditions. On the other hand, other pyrolysis models from the literature failed to accurately predict the oil production.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil0,744

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 Opus0,019
Tête enseignante GPT0,217
Écart entre enseignants0,198 · 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

Citations11
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207