MétaCan
Menu
Retour à la cohorte
Enregistrement W2979890590 · doi:10.1063/1.5124511

Inertial effects in triple-layer core-annular pipeline flow

2019· article· en· W2979890590 sur OpenAlexafffund
Parisa Sarmadi, I.A. Frigaard

Notice bibliographique

RevuePhysics of Fluids · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Vibration Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBuoyancyMechanicsLubricationBoundary layerPhysicsTurbulenceLubrication theoryInertiaCore (optical fiber)DragFlow (mathematics)Shear stressClassical mechanicsThermodynamicsOptics

Résumé

récupéré en direct d'OpenAlex

Triple-layer core-annular flow is a novel methodology for efficient heavy oil transportation. As usual, high shear rates concentrating in a lubricating fluid layer reduce the pressure drop significantly. Novel is the use of a viscoplastic fluid bounding the lubricant and protecting the transported core. For sufficiently large yield stress, the skin remains unyielded, preventing any interfacial instabilities. By shaping the skin, we generate lubrication forces to counterbalance buoyancy of the core fluid, i.e., an eccentric position of the core is the result of buoyancy and lubrication forces balancing. Here, we extend the feasibility of this method to large pipes and higher flow rates by considering the effects of inertia and turbulence in the lubrication layer. We show that the method can generate enough lubrication force to balance the buoyancy force for a wide range of density differences and pipe sizes if the proper shape is imposed on the unyielded skin.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,496
Score d'incertitude au seuil0,540

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 GPT0,222
Écart entre enseignants0,214 · 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

Citations7
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetFluid Dynamics and Vibration AnalysisTravaux en français237 207