MétaCan
Menu
Retour à la cohorte
Enregistrement W3022611930 · doi:10.1016/j.jmrt.2020.03.082

Thermal and species transportation of Eyring-Powell material over a rotating disk with swimming microorganisms: applications to metallurgy

2020· article· en· W3022611930 sur OpenAlexaff
Rahila Naz, Fazle Mabood, Muhammad Sohail, Iskander Tlili

Notice bibliographique

RevueJournal of Materials Research and Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensFanshawe College
Organismes subventionnairesnon disponible
Mots-clésNanofluidThermophoresisMaterials scienceBoundary layerMass transferMechanicsHeat transferPartial differential equationFlow (mathematics)Convective heat transferPhysics

Résumé

récupéré en direct d'OpenAlex

Transportation of heat and mass for the bio-convective magneto-hydrodynamic flow of Eyring-Powel nanofluid flowing over a rotating disk is inspected in the current exploration which has applications in different industries. i.e. To enhance the thermal performance of the system, mixture of bioconvective is used along with nanofluids. Flow is produced due to the stretching of rotating disk. Phenomenon of heat and mass are developed by using traditional Fourier and Fick's laws respectively. Viscous dissipation is included in the thermal transport expression. Buongiorno model is considered to capture the involvement of Brownian motion and thermophoresis aspects by the presence of nanofluid. Boundary layer approximation is used to develop the expressions for the momentum, heat, mass and swimming gyrotactic microorganism's profiles. The derived boundary layer equations are converted into set of ordinary differential equations by engaging an appropriate transformation. These converted equations are solved numerically with the help of shooting method. Various graphs are prepared in order to inspect the bearing of influential parameters. Moreover, skin friction, heat transfer, mass transfer and density of motile microorganism are presented with the help of graphs and tables.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,254
Écart entre enseignants0,235 · 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
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

Citations41
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Research and TechnologyMême sujetNanofluid Flow and Heat TransferTravaux en français237 207