MétaCan
Menu
Retour à la cohorte
Enregistrement W3111905940 · doi:10.1002/cjce.23975

Gas‐liquid‐liquid flow patterns and extraction in a rotating microchannel extractor

2020· article· en· W3111905940 sur OpenAlexvenueno aff
Chunxin Fan, Rui Ma, Yubin Wang, Jianhong Luo, Sridhar Komarneni

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicrochannelFlow (mathematics)Extraction (chemistry)KeroseneVolumetric flow rateMass transferMechanicsFlow coefficientExtractorSlug flowTwo-phase flowMass flowMaterials scienceRotation (mathematics)ChemistryChromatographyThermodynamicsPhysicsGeometryMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The flow patterns of gas‐liquid‐liquid three‐phase fluids in the rotating microchannel extractor (RME) were studied in this paper. The kerosene‐water system without mass transfer and the 2%P507‐22%NaH2PO4 system with mass transfer were considered. The influence of interfacial tension, microchannel structure, and rotation rate on three‐phase flow patterns were investigated. Eight different flow patterns such as droplet‐continuous flow, long droplet‐continuous flow, filiform parallel‐continuous flow, filiform parallel‐filiform parallel flow, small droplet‐continuous flow, filiform parallel‐small droplet flow, small droplet‐small droplet flow, and continuous‐filiform parallel flow were observed. The results showed that the proposed universal flow pattern map can effectively predict the flow patterns of the two systems and the small droplet‐small droplet flow has the best effect of extracting Fe3+ from the 2%P507‐22%NaH2PO4 system. The traditional first‐order equilibrium extraction efficiency was 102% while the percentage extraction was up to 85% (14.4 mg/L) after one stage extraction and about 97.9% (2.0 mg/L) after two‐stage extraction.

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: 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
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,206
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 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207