MétaCan
Menu
Retour à la cohorte
Enregistrement W2961623335 · doi:10.1021/acs.iecr.9b02639

Finding Better Limit Cycles of Semicontinuous Distillation. 1. Back Stepping Design Methodology

2019· article· en· W2961623335 sur OpenAlexaff
Pranav Bhaswanth Madabhushi, Thomas A. Adams

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésZeotropic mixtureDistillationLimit (mathematics)Process engineeringTernary operationProcess (computing)Computer scienceFractionating columnLimit cycleMathematicsThermodynamicsChemistryEngineeringChromatographyHeat exchangerPhysics

Résumé

récupéré en direct d'OpenAlex

Semicontinuous ternary zeotropic distillation is a periodic process that is carried out in a single distillation column and a tightly integrated external middle vessel. In the state-of-the-art design procedure of this process, a continuous distillation process that separates the top and bottom products to the desired purity is used to generate an arbitrary initial state for simulating the dynamics of the semicontinuous distillation process. Although this method is useful in estimating the limit cycle, it was later found that the operation of the process in this limit cycle was economically suboptimal. In this study, a new algorithmic design procedure, called the back-stepping design methodology, is proposed to find better limit cycles for zeotropic ternary semicontinuous distillation using the aspenONE Engineering suite. The proposed methodology was applied to two different case studies using feed mixtures with different chemical components. A comparison with the current design procedure for the two case studies indicates that the new method outperforms the state-of-the-art by finding limit cycles that were 4–16% lower in separating cost, which was the chosen measure of cycle performance.

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)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,223
Tête enseignante GPT0,344
Écart entre enseignants0,121 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetProcess Optimization and IntegrationTravaux en français237 207