MétaCan
Menu
Retour à la cohorte
Enregistrement W2909772253 · doi:10.5539/jas.v11n2p217

Evaluation of a Prototype for Water Heating in Agroindustries Using Foucault Current

2019· article· en· W2909772253 sur OpenAlexvenueno aff
Marcos Vinícius Schlichting, Carlos Eduardo Camargo Nogueira, Reinaldo Aparecido Baricatti, Tatiane Martins de Assis, Jair Antônio Cruz Siqueira

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueSolar Thermal and Photovoltaic Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMagnetEfficient energy useContext (archaeology)Current (fluid)Rotor (electric)ConstructiveEnergy consumptionResistive touchscreenMechanical engineeringHeating systemEnergy (signal processing)Automotive engineeringEnvironmental scienceElectrical engineeringEngineering physicsComputer scienceEngineeringPhysicsProcess (computing)Geology

Résumé

récupéré en direct d'OpenAlex

Based on the observation of the effects of energy generation on climate change, efforts have been carried out to develop technologies to reduce polluting energy sources. In this context, the rational use and improvement of the efficiency of water heating systems can play an important role, contributing to lower energy consumption. This study evaluated a prototype for water heating for use in agroindustry. The prototype was designed for a possible utilization of mechanical energy in order to change the magnetic flux produced by permanent magnets, generating thermal energy by Foucault currents. This system presented yields of 64.74%, 65.13% and 64.48% for the rotor configurations with six magnets without pole reversal (6ISI), four magnets with reversal (4ICI), and four magnets without reversal (4ISI), respectively. For comparison purposes, a resistive water heating system was also evaluated for the same study conditions, obtaining an efficiency of 89.21%. The proposed inductive system did not present satisfactory results for constructive conditions presented in the study.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,074
Tête enseignante GPT0,321
Écart entre enseignants0,247 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSolar Thermal and Photovoltaic SystemsTravaux en français237 207