MétaCan
Menu
Retour à la cohorte
Enregistrement W3095588935 · doi:10.1021/acs.iecr.0c03224

Fluid Dynamics Scaling of a Gas–Liquid Distributor Applied to a Commercial Ebullated Bed Hydroprocessor

2020· article· en· W3095588935 sur OpenAlexafffund
Jacob Mach, Jason Wiens, John Adjaye, Arturo Macchi

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensSyncrude (Canada)University of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSyncrude
Mots-clésDistributorBubbleFroude numberDimensionless quantityScalingMechanicsReynolds numberCoalescence (physics)DragDrag coefficientDynamic similarityWork (physics)Materials scienceThermodynamicsMathematicsGeometryPhysicsFlow (mathematics)

Résumé

récupéré en direct d'OpenAlex

A new scaling approach for a gas–liquid distributor is proposed and experimentally validated on a commercial bubble cap geometry. The geometric similarity was achieved by matching distributor fractional opening and ratios of various critical dimensions. The dynamic similarity was attained by matching three dimensionless groups (gas–liquid density ratio, liquid Reynolds number, and gas Froude number) and bubble coalescence behavior. Two geometrically similar distributors with one and three smaller bubble caps were experimentally compared through resulting bubble size distributions to test the scaling laws. A reasonably good agreement was found at various pressures, suggesting that the scaling approach could also work at industrially relevant conditions. New models for bubble size distribution and drag coefficient were developed to explicitly account for the effect of the gas–liquid distributor and thus improve the fluid dynamics modeling of commercial ebullated bed hydroprocessors.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
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 Opus0,047
Tête enseignante GPT0,272
Écart entre enseignants0,225 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetFluid Dynamics and MixingTravaux en français237 207