MétaCan
Menu
Retour à la cohorte
Enregistrement W2901536743 · doi:10.1002/cjce.23385

Nusselt number correlation for a jacketed stirred tank using computational fluid dynamics

2018· article· en· W2901536743 sur OpenAlexvenueno aff
Silvia Araujo Daza, Ronald Jaimes Prada, José Roberto Nunhez, Guilherme José de Castilho

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésImpellerNusselt numberComputational fluid dynamicsHeat transferMechanicsHeat transfer coefficientMaterials scienceFluid dynamicsThermodynamicsReynolds numberPhysicsTurbulence

Résumé

récupéré en direct d'OpenAlex

Abstract The heat exchange in stirred tanks occurs mainly due to the impeller rotation and overall circulation of the fluid that promotes a more effective heat transfer between fluid and heat transfer surfaces. The type of impeller used and the size of the vessel (that affects the relation heat transfer area and volume of the vessel) have significant effects on the heat transfer. The heat transfer coefficient is very much dependent on the impeller and the speed of rotation. Empirical correlations are usually used to estimate the process side heat transfer coefficient. However, its dependence on the geometrical parameters restricts the use of those correlations to specific tank configurations. In this respect, the use of computational fluid dynamics (CFD) has recently emerged as an alternative to experimental studies. The procedure proved to be faster and lower cost, and the results proved to be accurate. In this study, CFD was applied to obtain a Nusselt number correlation for a jacketed stirred tank equipped with a six‐blade Rushton turbine impeller. The Nusselt number correlation obtained from the simulated model agrees with experimental data providing a reliable representation of the heat transfer in the tank.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,394
Score d'incertitude au seuil0,487

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · 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'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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetFluid Dynamics and MixingTravaux en français237 207