MétaCan
Menu
Retour à la cohorte
Enregistrement W2507578302 · doi:10.1002/cjce.22643

Thermal kinetics analysis in microwave‐assisted oil sands separation

2016· article· en· W2507578302 sur OpenAlexafffundvenue
Karumudi Rambabu, Natalia Semagina, Carlos F. Lange

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMineral Processing and Grinding
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Alberta
Mots-clésOil sandsAsphaltThermalDissipationSettlingBuoyancyMaterials scienceMicrowaveThermal conductionPhase (matter)Environmental scienceMechanicsMineralogyComposite materialGeologyChemistryThermodynamicsEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Abstract This computational study addresses oil sands separation under microwave irradiation. Electric field distribution and microwave energy dissipation were analyzed at the level of sand particles and bitumen. The simplified model does not include water or gas present in the oil sands. The microwave power dissipated in bitumen was found to be about 32 times that of the sand particles. In order to investigate the feasibility of heating the bitumen phase preferentially and sustaining a thermal gradient between the bitumen phase and the solid phase, thereby reducing the thermal losses to the solid phase, time scales were estimated using several different scenarios. The small size of the particles in the solid phase caused the time needed to reach thermal equilibrium between phases to be extremely short, in the order of 10 to 100 ms. To achieve separation times shorter than these, pressures up to 100 GPa would have to be sustained across the oil sands layer. Alternatively, buoyancy‐driven separation by settling would require accelerations in the order of 100 000 m/s 2 (10 5 g). Therefore, the heating and separation of bitumen within the thermal conduction time scales seem to be theoretically possible but associated with high technological challenges in their implementation.

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 enseignants0,019
Score d'incertitude au seuil0,277

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 Opus0,008
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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

Citations5
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

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