MétaCan
Menu
Retour à la cohorte
Enregistrement W3088913603 · doi:10.3390/met10101277

Numerical Modeling of Volatile Organic Compounds (VOC) Emissions during Preheating of Magnesia-Carbon Bricks in a Basic Oxygen Furnace

2020· article· en· W3088913603 sur OpenAlexafffundabout
Soumitra Kumar Dinda, Kinnor Chattopadhyay

Notice bibliographique

RevueMetals · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCombustorNOxBasic oxygen steelmakingWork (physics)OxygenEnvironmental scienceCarbon fibersChemical compositionLimiting oxygen concentrationProcess engineeringHeat transferThermalWaste managementChemistryMaterials scienceSteelmakingMetallurgyThermodynamicsCombustionMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The refractory preheating process in oxygen furnaces is a dynamic input of energy in a chemically complex system requiring special attention to chemical emissions relative to permissible release limits. This particular industrial and regulatory interest is the emission of volatile organic compounds (VOC), given their detrimental impacts on human health. In the present work, a mathematical model was developed to predict the emission rates of volatile organics during the preheating of a 260-ton basic oxygen furnace. A numerical heat transfer model was developed using finite difference techniques to obtain the thermal profile and then integrated with chemical thermodynamics using FactSage 7.0 (CRCT, Polytechnique Montreal Quebec Canada, H3C 3A7). The parameters that affected VOC emissions were preheating process times, burner gas composition, heating rate, and burner geometry. Two different preheating procedures were compared, and emission rates were predicted with extended use of a top burner providing the greatest degree of emissions control. The mathematical model was validated against plant data with respect to average emission rates of CO, CO2, SOX, and NOX.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,321
Score d'incertitude au seuil0,633

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,016
Tête enseignante GPT0,210
Écart entre enseignants0,194 · 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

Citations2
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207