MétaCan
Menu
Retour à la cohorte
Enregistrement W2511505045 · doi:10.1021/acs.energyfuels.6b00995

Oil–Particle Separation in a Falling Sphere Configuration: Effect of Oil Film Thickness

2016· article· en· W2511505045 sur OpenAlexaff
Sasan Mehrabian, Edgar Acosta, Markus Bussmann

Notice bibliographique

RevueEnergy & Fuels · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics Simulations and Interactions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceViscosityOil dropletReynolds numberParticle (ecology)Capillary actionComposite materialAsphaltMechanicsLubricationFalling (accident)RheologyParticle sizeChemistryEmulsionGeologyPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

High-speed videos of oil-coated solid spheres falling through an aqueous solution were analyzed to determine the amount of oil separated and the velocity of the coated sphere during free fall. The oil-coated sphere configuration is relevant to understanding the recovery of oil from oil sands; hence, bitumen was used as the oil phase. A new form of a capillary number based on a low-Reynolds number solution is introduced to characterize the separation process. The proposed particle-based capillary number takes into account the effect of the oil film thickness and the viscosity ratio. In this study, the separation of oil from an oil-coated sphere is examined as a function of the oil film thickness, while keeping the viscosity ratio constant at 0.08. From the experimental results, it was observed that there is a critical oil film thickness beyond which oil separation from a particle is observed. Higher oil removal efficiencies are obtained at higher oil film thicknesses. The velocity of an oil-coated sphere is higher than the velocity of an oil-free sphere due to the lubrication effect of the oil layer.

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)0,000
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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,236
Écart entre enseignants0,230 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetFluid Dynamics Simulations and InteractionsTravaux en français237 207