MétaCan
Menu
Retour à la cohorte
Enregistrement W2721511385 · doi:10.1299/jsmeicope.2015.12._icope-15-_105

ICOPE-15-1158 Supersonic air and wet steam jet using simplified de Laval nozzle

2015· article· en· W2721511385 sur OpenAlexaboutno aff
Takumi Komori, Masahiro Miura, Sachiyo Horiki, Masahiro Osakabe

Notice bibliographique

RevueThe Proceedings of the International Conference on Power Engineering (ICOPE) · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueErosion and Abrasive Machining
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNozzleJet (fluid)Supersonic speedPetroleum engineeringEnvironmental scienceMaterials scienceMechanicsWaste managementMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Usually, Trichloroethane has been used for the de-oiling and cleaning of machine parts. But its production and import have been prohibited since 1995 because of its possibility to destroy the ozone layer. Generally for biological and environmental safety, the de-oiling should be done with the physical method instead of the chemical method using detergent or solvent. As one of the physical method, a cleaning by a supersonic wet steam jet has been proposed. The steam jet with water droplets impinges on the oily surface of machine parts and removes the oil or smudge. In the present study, the low-cost and taper-shaped nozzles were fabricated with an electric discharge machining. The jet behaviors from the taper-shaped nozzles were carefully observed by using air and wet steam. The non-equilibrium model of wet steam was proposed and compared with the experimental results. The spatial distribution of low density regions along the jet axis was considered to contribute the cleaning and de-oiling. However, the condensate generated with the depressurization of steam depressed the injected steam mass flow rate. Furthermore, the steam cleaning was conducted for the plastic coin and the good cleaning effect could be confirmed in spite of the short cleaning duration.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil0,449

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 ouverte0,0010,000
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 Opus0,033
Tête enseignante GPT0,251
Écart entre enseignants0,218 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Proceedings of the International Conference on Power Engineering (ICOPE)Même sujetErosion and Abrasive MachiningTravaux en français237 207