Application of CFD to Analyze the Hydrodynamic Behaviour of a Bioreactor with a Double Impeller
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Stirred bioreactors are commonly used unit operations in the pharmaceutical industry. In this study, computational fluid dynamics (CFD) was used in order to analyze the influence of the impeller configuration (Segment–Segment and Segment–Rushton impeller configurations) and the impeller rotational speed (an operational parameter) on the hydrodynamic behaviour and mixing performance of a bioreactor equipped with a double impeller. A relatively close agreement between the power values obtained from the CFD model and those measured experimentally was observed. Various parameters such as velocity profiles, stress generated by impellers due to the turbulence and velocity gradient, flow number, and mixing time were used to compare the CFD simulations. It was observed that the impeller’s RPM could change the intensity of the interaction between the impellers when a Segment–Rushton impeller was used. In general, increasing the RPM led to an increase in total power and the stress acting on the cells and to a shorter mixing time. At a constant RPM, the Segment–Rushton impeller configuration had higher total power and stress acting on cells compared to the Segment–Segment impeller configuration. At lower RPM values (i.e., 50 and 100), the Segment–Segment impeller provided a shorter mixing time. Conversely, at the highest RPM (i.e., 150) the Segment–Rushton impeller had a shorter mixing time compared to the Segment–Segment impeller; this was attributed to the high level of turbulence generated with the former impeller configuration at high RPM.
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.
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 découle