MétaCan
Menu
Retour à la cohorte
Enregistrement W2760142519 · doi:10.1002/cjce.23035

Impact of preflocculation on scroll decanter centrifuge separation performance

2017· article· en· W2760142519 sur OpenAlexafffundvenue
Alebachew Demoz

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensNatural Resources Canada
Organismes subventionnairesSyncrude
Mots-clésCentrifugeFlocculationThroughputSedimentationMaterials scienceProcess engineeringEnvironmental scienceEnvironmental engineeringComputer scienceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Industrial scroll decanter centrifuge (SDC) separation of the solids in fluid fine tailings (FFT) which have particles 10 μm and smaller in size require flocculant addition. Accordingly, the mechanism in the centrifuge is flocculation of the fine solid particles followed by sedimentation. Thus, feeding preflocculated material obviates the flocculation step inside the SDC resulting in improved process efficiency by reducing the power consumption and increasing the throughput capacity of each SDC. This work evaluated the separation performance of the SDC using inline static mixers to preflocculate oil sands FFT containing solids, 90 mass% of which are < 9 μm in size. The minimum G‐forces required to achieve the industry benchmarks of < 1 mass% solids in the centrate water and > 97 % fines capture rate were 750 G without preflocculation and 400 G with preflocculation. Since power consumption by the SDC, as expected, was directly proportional to the G‐force, the savings in power due to preflocculation amounted to 47 %. Preflocculation increased SDC throughput capacity by up to 50 %. Operating at lower G‐force has the additional benefits of protecting the high‐capital‐cost SDC machine and reducing ambient noise levels.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,010
Tête enseignante GPT0,251
Écart entre enseignants0,241 · 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

Citations9
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetPetroleum Processing and AnalysisTravaux en français237 207