MétaCan
Menu
Retour à la cohorte
Enregistrement W2919701925 · doi:10.1139/cjp-2018-0732

Heat transfer analysis of magneto-Eyring–Powell fluid over a nonlinear stretching surface with multiple slip effects: Application of Roseland’s heat flux

2019· article· en· W2919701925 sur OpenAlexvenueno aff
Aaqib Majeed, A. Zeeshan, Huijin Xu, Muhammad Kashif, Usman Masud

Notice bibliographique

RevueCanadian Journal of Physics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMechanicsPhysicsHeat transferNusselt numberNonlinear systemHeat fluxBoundary value problemSlip (aerodynamics)Fluid dynamicsDimensionless quantityNewtonian fluidClassical mechanicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Non-Newtonian fluid model is intricate, nonlinear, and interesting to study because of the presence of rheological flow parameters and viscoelastic properties, which tend to emerge and make industrial flows considerably more complex to explain accurately. Improvement of industrial applications, such as glass fabrication, is an important consequence of this study. In this manuscript, we have explored the combined impact of the higher order slip with variable transverse magnetic field flow and thermal transport using Roseland’s heat flux of the Eyring–Powell fluid with assumption of boundary layer, on nonlinear stretching sheet, in which fluid is considered electrically conducting. The transformed ordinary differential equations are solved by three-stage Lobatto IIIa collocation finite difference scheme using MATLAB. The impact of pertinent flow parameters on dimensionless velocity and temperature profiles is presented graphically and discussed in detail. Obtained results confirm that excellent agreement is achieved for the limiting case with those from the available literature. It is found that skin friction increases in the presence of slip parameters, whereas the opposite behaviour is noted in the Nusselt number.

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 enseignants0,134
Score d'incertitude au seuil0,762

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,003
Tête enseignante GPT0,177
Écart entre enseignants0,173 · 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PhysicsMême sujetNanofluid Flow and Heat TransferTravaux en français237 207