Experimental methods in chemical engineering: Residence time distribution—RTD
Notice bibliographique
Résumé
Abstract Reactor performance, solids‐(gas)‐mixing, flow through porous media, distillation columns, or through granulators improve as the fluid dynamics approach ideal plug flow. The residence time distribution (RTD) is a diagnostic measure of how close fluid flow approaches ideal conditions. The technique introduces a step change to the inlet concentration—a Dirac‐δ function, Heaviside step function, or a rectangular pulse (bolus)—while high frequency detectors monitor the concentration along the vessel and/or at the exit. The effluent concentration profile spreads due to the variance in the process lines leading to the vessel and at the exit, the detector response, and the system. We quantify how much each of these contributes to the overall variance in a fluidized bed with 9 g of fluid cracking catalyst in 8 mm diameter quartz tubes. The injection variance is lowest for a GC sample loop configuration, compared to a 3‐way valve or 4‐way valve geometry. RTD measurements detect bypassing due to dead zones in vessels and the axial‐dispersion model and continuous stirred‐tank model to characterize deviation from plug flow. However, when the contribution to variance from the ancillary lines and detector is large compared to the system, the uncertainty in the model parameters is high. Research on RTD fundamentals concentrate on boundary conditions while, here, we focus on experimental errors: mechanical, physicochemical mathematical, and instrumental.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».