MétaCan
Menu
Retour à la cohorte
Enregistrement W3106865421 · doi:10.1021/acs.iecr.0c04464

Modeling of Air-Gap Membrane Distillation and Comparative Study with Direct Contact Membrane Distillation

2020· article· en· W3106865421 sur OpenAlexafffund
Sadaf Noamani, Shirin Niroomand, Masoud Rastgar, Mehdi Azhdarzadeh, Mohtada Sadrzadeh

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMembrane distillationVolumetric flow rateMaterials scienceMass transferMembraneHeat transferPermeationHeat fluxFlux (metallurgy)DistillationThermodynamicsChemistryConcentration polarizationHeat exchangerMechanicsChromatographyDesalination

Résumé

récupéré en direct d'OpenAlex

Most of the developed models for the air-gap membrane distillation (AGMD) process are one-dimensional and rely on experimentally determined parameters. Herein, inspired by the effectiveness-number of transfer units method for the design of heat exchangers, a new approach of theoretical model is developed based on mass and heat transfer mechanisms in the AGMD process by considering the temperature variation in two dimensions. The results of our self-sustained model match well with the AGMD experimental results, with less than 4% deviation. Using the developed model, the AGMD performance is systematically investigated in terms of permeate flux, energy efficiency, and temperature and concentration polarization effects, and the results are compared with direct contact membrane distillation (DCMD). The results showed that the feed temperature had the most significant impact on the permeate flux and energy efficiency. The thickness of the air-gap and the flow rate were found to be the second most effective parameters. In contrast, the membrane thermal conductivity and porosity did not play a determining role. A 60% increase in the feed temperature increased the permeate flux and energy efficiency by 200 and 2%, respectively. By increasing the flow rate from 0.2 to 8 liters per minute, the permeate flux was enhanced by 67.19%. The air-gap thickness increment from 0.6 to 5.6 mm caused a 36.8% reduction in the permeate flux. In our comparative study, the permeate flux and the gained output ratio for DCMD were 56.6 and 27.3% higher as compared to AGMD at the same conditions. However, the thermal efficiency of the AGMD process was 24.7% larger than that of the DCMD process. The developed model provides solutions to minimize the undesirable effects of temperature and concentration polarization and proposes an optimum design map to achieve higher energy efficiency and permeate flux.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,023
Score d'incertitude au seuil0,724

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 recherche0,0000,001
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 Opus0,149
Tête enseignante GPT0,328
Écart entre enseignants0,179 · 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'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

Citations58
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetMembrane Separation TechnologiesTravaux en français237 207