MétaCan
Menu
Retour à la cohorte
Enregistrement W3160186032 · doi:10.3390/fluids6050188

Heat Enhancement Effectiveness Using Multiple Twisted Tape in Rectangular Channels

2021· article· en· W3160186032 sur OpenAlexafffund
M. Ziad Saghir, Ayman M. Bayomy, M. A. Rahman

Notice bibliographique

RevueFluids · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPressure dropReynolds numberNusselt numberLaminar flowHeat exchangerMechanicsMaterials scienceMechanical engineeringHeat transfer enhancementFlow (mathematics)TurbulencePhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Heat enhancement and heat removal have been the subject of considerable research in the energy system field. Flow-through channels and pipes have received much attention from engineers involved in heat exchanger design and construction. The use of insert tape is one of many ways to mix fluids, even in a laminar flow regime. The present study focused on the use of different twisted tapes with different pitch-to-pitch distances and lengths to determine the optimum design for the best possible performance energy coefficient. The results revealed that twisted tape of one revolution represented the optimal design configuration and provided the largest Nusselt number. The length of the tape played a major role in the pressure drop. The results revealed that the insertion of a shorter twisted tape can create mixing while minimizing the changes in the pressure drop. In particular, the best performance evaluation criterion is found for a short tape located towards the exit of the channel. The highest performance energy coefficient was obtained for the half-twisted tape for a Reynolds number varying between 200 and 600.

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 enseignants0,001
Score d'incertitude au seuil0,002

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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,235
Écart entre enseignants0,220 · 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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFluidsMême sujetHeat Transfer and OptimizationTravaux en français237 207