MétaCan
Menu
Retour à la cohorte
Enregistrement W2336768476 · doi:10.1002/cjce.22429

Kinetics of low‐temperature Fischer‐Tropsch synthesis on cobalt catalysts: Are both slurry autoclave and tubular packed‐bed reactors adequate to collect relevant data at lab‐scale?

2016· article· en· W2336768476 sur OpenAlexvenueno aff
Carlo Giorgio Visconti, Luca Lietti, Enrico Tronconi, Stefano Rossini

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2016
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFischer–Tropsch processAutoclavePacked bedSlurrySyngasPlug flowCobaltChemical engineeringPlug flow reactor modelProduct distributionCatalysisVolumetric flow rateMaterials scienceChemistrySpace velocityContinuous stirred-tank reactorWaste managementThermodynamicsChromatographyMetallurgyOrganic chemistryComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract To verify the equivalence of kinetic data obtained in lab‐scale packed‐bed and slurry reactors for low‐temperature Fischer‐Tropsch synthesis over cobalt‐based catalysts, the same Co/γ‐Al 2 O 3 catalyst was tested in both reactors, studying the effects of the process conditions (temperature, pressure, syngas composition, gas space velocity) on CO conversion rate and on product distribution. Then, both a lumped CO conversion rate equation and detailed kinetics (i.e. describing the rates of reactants conversion and product formation) were developed based on the data collected in the packed‐bed tubular reactor. The two models were finally used to simulate the performance of the slurry autoclave. By describing the slurry autoclave as a continuous stirred tank reactor and the packed‐bed as plug‐flow reactor, the kinetic information collected with the two reactors is fully equivalent and can be used indiscriminately to describe the rates of reactant consumption and product formation.

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)0,003
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 enseignants0,003
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalysts for Methane ReformingTravaux en français237 207