MétaCan
Menu
Retour à la cohorte
Enregistrement W3150945385 · doi:10.1021/acs.iecr.1c00216

Global Model for High-Consistency Wood Pulp Suspensions in Corotating Twin Screw Extruders

2021· article· en· W3150945385 sur OpenAlexafffund
Keller J. H. George, M. Hesham El Naggar, Andrew N. Hrymak

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRheologyPlastics extrusionMaterials scienceSuspension (topology)ExtrusionConsistency (knowledge bases)Pulp (tooth)Composite materialVolumetric flow rateMechanical engineeringSimulationComputer scienceProcess engineeringMechanicsEngineeringMathematicsPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A novel composite model was proposed for corotating, fully intermeshing twin screw extruders dedicated to the processing of high-consistency wood pulp suspensions. This model builds on plasticating extruder modeling techniques that have been applied to suspension processing applications and accounts for the unique rheology of a fibrous suspension and changes in consistency (i.e., composition) through liquid absorption and expression. The model was implemented into a simulator, and the potential of this simulator to predict the axial profiles of major processing variables (i.e., pressure, residence time, filling ratio, liquid and swollen fiber mass flow rate, and consistency) was successfully demonstrated through simulation and experimental comparisons. Although this model was developed for extrusion processing of wood pulp suspensions, it may be easily adapted to other suspension processing applications if the rheological properties of the suspension can be appropriately modeled.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,136
Tête enseignante GPT0,374
Écart entre enseignants0,238 · 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'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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207