CFD modelling of almond drying in a tray dryer
Notice bibliographique
Résumé
Drying is important in many food processing applications, and particularly so in the dry fruits industry. This work is focused on developing computational models for simulating the drying of almonds in a tray dryer. It is important to quantitatively understand heat and mass transfer within and around a single almond particle as well as the particle‐particle interactions and their implications for dryer design. In this work, we have developed a systematic CFD modelling framework for modelling almond drying in a tray dryer. A single tray filled with almonds (∼2 kg) were dried at three set temperatures viz., 55, 65, and 75 °C. Air relative humidity at the inlet and outlet locations, and the weight of almonds were measured during drying for each experiment. An additional set of experiments were conducted in which almonds were filled only in the half section of the tray, keeping the other half empty. The same amount of almonds were used, to have multiple layers of almonds in the tray, and the set temperature for the experiment was 75 °C. Flow, heat, and mass transfer in the tray dryer were simulated using commercial CFD software Ansys Fluent. The validated computational model was used to simulate various cases including larger and more trays. The developed approach and models will be useful to select the appropriate dryer configuration and optimize its design. The developed models will also be useful to identify suitable operation conditions for the drying of almonds as well as other food products.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».