MétaCan
Menu
Retour à la cohorte
Enregistrement W2623713796 · doi:10.5383/ijtee.09.02.007

Design, Construction and Operation of Solar Dryer for Granules and Micros Chips of Manihot esculenta crantz Tuberous Roots

2015· article· en· W2623713796 sur OpenAlexvenueno aff
P Bokungu Efoto, Louis Efoto Eale, Mahungu Meso

Notice bibliographique

RevueInternational Journal of Thermal and Environmental Engineering · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensnon disponible
Organismes subventionnairesUnited States Agency for International Development
Mots-clésManihot esculentaMoistureHumiditySolar dryerMaterials scienceMathematicsHorticulturePulp and paper industryWater contentComposite materialPhysicsEngineeringMeteorologyBiology

Résumé

récupéré en direct d'OpenAlex

This study presents the design details and the performance analyses carried out with Eloumah 1, the solar drier of cassava tuberous roots reduced in granules and microchips. Eloumah 1 is composed by a solar collector, a drying chamber and a box of rectangular section that joins the two previous components. In this solar drier the wet agricultural products are dried on the basis of the heat flux buoyancy that is induced by the difference in temperature and humidity in its compartments. Analyses of masses evaporated water of zizila and Obama (TME 419) granules and microchips tuberous roots varieties have been carried out in order to estimate the drying performance of Eloumah 1 and to know the natural laws of the drying process. The results show that Eloumah 1 is able to dry granules and microchiphs and to reduce their moisture contain to less than 10%. Moreover, it can be established that the drying process is a logistic process because in wet control samples, moisture contain has limited value. Therefore, the drying process cannot extract the free water beyond this limit value. The logistic function adjusts well these data based on the correlation coefficient (R2) and chi square coefficient (χ2).

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 enseignants0,259
Score d'incertitude au seuil0,104

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 Opus0,018
Tête enseignante GPT0,188
Écart entre enseignants0,170 · 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Thermal and Environmental EngineeringMême sujetFood Drying and ModelingTravaux en français237 207