MétaCan
Menu
Retour à la cohorte
Enregistrement W3096986146 · doi:10.33262/concienciadigital.v3i4.1423

Selección y Diseño de una Máquina extractora de aceite del piñón Jatropha curcas

2020· article· es· W3096986146 sur OpenAlexvenueno aff
Paco Jovanni Vásquez Carrera, William Armando Hidalgo Osorio, Guido Gabriel Carrillo Velarde, Nelson Jonathan Villarroel Herrera

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesJatropha curcasPhysicsArtHorticultureBiology

Résumé

récupéré en direct d'OpenAlex

En la actualidad es de gran importancia dar a conocer diferentes alternativas que se puede usar para bajar el gran índice de contaminación al que estamos expuestos por el uso de derivados del petróleo en la aplicación de fluidos de corte por ende como se plantea el diseño de una máquina, que permita obtener un fluido de corte de mediante el aceite de piñón (Jatropha Curcas).
 El objetivo se direccionó a seleccionar y diseñar una máquina de extracción de aceite de piñón. Los métodos aplicados para la elaboración de este artículo fue la revisión documental – bibliográfica de varios autores, y analítico. Posterior a la revisión bibliográfica se identificó que existen variedad de máquinas de expeller de simple y doble tornillo. Entre los cuales se seleccionó la máquina expeller de un solo tornillo, y se procedió al diseño de la misma llegando a la conclusión que para el buen funcionamiento de la misma se necesita construir el tornillo de acero AISI 304, para que resista la corrosión y fatiga producto de la presión ejercida entre el material el tornillo y la camisa. Los cilindros tienen que fabricarse de acero AISI 4140 y 4340; para que sean resistentes a la fatiga y fractura y para su operación un motorreductor de 6Hp, el mismo que producirá un torque de 412 Nm, un variador de velocidad ACS355-03E-17A6-2 y termocuplas tipo J 3/8 x 12 in. Con este diseño se tendrá una producción de 30Kg/h.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil1,000

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 GPT0,252
Écart entre enseignants0,233 · 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.

Devis d'étudeSans objet
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetBiodiesel Production and ApplicationsTravaux en français237 207