MétaCan
Menu
Retour à la cohorte
Enregistrement W2802136005 · doi:10.3389/fenrg.2018.00041

The Optimal Design of a Distillation System for the Flexible Polygeneration of Dimethyl Ether and Methanol Under Uncertainty

2018· article· en· W2802136005 sur OpenAlexaff
Thomas A. Adams, Tokiso Thatho, Matthew C. Le Feuvre, Christopher L.E. Swartz

Notice bibliographique

RevueFrontiers in Energy Research · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDimethyl etherDistillationMethanolUpstream (networking)Process engineeringFractionating columnOptimal designComputer scienceChemistryEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Two process designs for the separation section of a flexible dimethyl ether and methanol polygeneration plant are presented, as well as an optimization method which can determine the optimal design under market uncertainty quickly and to global optimality without loss of model fidelity. The polygeneration plant produces a product mixture that is either mostly dimethyl ether or mostly methanol depending on market conditions by using a classic two-stage dimethyl ether production catalytic reaction route in which the second stage is bypassed when the market demand is such that methanol production is more favourable than dimethyl ether. The downstream distillation sequence is designed to purify the products to desired specifications despite the wide variability in feed condition that corresponds to the upstream reaction system operating either in DME-rich or methanol-rich mode. Because the optimal design depends on uncertain market conditions (realized as the percentage of the time in which the plant operates in either DME-rich or methanol-rich mode), this uncertainty is considered in the formulation of the optimal design problem. The results show that using one set of flexible distillation columns for two different objectives is superior to the “traditional” approach of using two different sets of distillation columns which are each optimized for one specific operating condition. Different approaches to design under uncertainty were considered, with a scenario-based two-stage stochastic formulation with a uniform distribution of the uncertain parameter recommended as the preferred formulation.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,045
Tête enseignante GPT0,311
Écart entre enseignants0,266 · 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'étudeSimulation ou modélisation
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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Energy ResearchMême sujetProcess Optimization and IntegrationTravaux en français237 207