MétaCan
Menu
Retour à la cohorte
Enregistrement W3189206576 · doi:10.3390/en14164844

Enhancement of Continuous-Feed Low-Cost Solar Distiller: Effects of Various Fin Designs

2021· article· en· W3189206576 sur OpenAlexaff
Mirmanto, I Made Adi Sayoga, Agung Tri Wijayanta, Agus P. Sasmito, Muhammad Aziz

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueSolar-Powered Water Purification Methods
Établissements canadiensMcGill University
Organismes subventionnairesJapan Society for the Promotion of ScienceUniversitas Sebelas Maret
Mots-clésSeawaterDistilled waterDesalinationMaterials scienceFinSolar stillDistillationWater desalinationEnvironmental scienceComposite materialChemistryPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

This study aimed to enhance distilled water production by employing conventional single-slope solar distillers with continuous seawater input. Three solar absorbers—i.e., a flat absorber, an absorber with 10 fins, and an absorber with 15 fins—were designed and examined experimentally. The seawater entered the distillers continuously due to gravity. Moreover, the seawater level inside the distillers was kept constant by using a floating ball valve. The overall size of each distiller was fixed at 1136 mm × 936 mm × 574 mm. The performance of the distillers was analyzed and discussed. The average yields of the flat absorber, the absorber with 10 fins, and the absorber with 15 fins were 1.185 L/d, 1.264 L/d, and 1.404 L/d, respectively. The results of the absorber with 15 fins were about 18.5% higher than those of the flat absorber. The experimental results were compared with the established correlations. This new design with increased water yield provides an effective approach for harvesting sunlight in remote tropical regions for small-scale solar desalination.

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 savante0,0000,001
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 GPT0,266
Écart entre enseignants0,250 · 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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetSolar-Powered Water Purification MethodsTravaux en français237 207