MétaCan
Menu
Retour à la cohorte
Enregistrement W3199626554 · doi:10.32393/csme.2021.222

CFD-DEM Simulation Of Multi-Particle Arching At Sand Filter Opening

2021· article· en· W3199626554 sur OpenAlexafffund
Fatemeh Razavi, Alexandra Komrakova, Carlos F. Lange

Notice bibliographique

RevueProgress in Canadian Mechanical Engineering. Volume 4 · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaRGL Reservoir Management
Mots-clésComputational fluid dynamicsCFD-DEMParticle (ecology)Computer scienceFluid simulationParticle filterMarine engineeringGeotechnical engineeringFilter (signal processing)GeologyMechanicsEngineeringPhysicsComputer vision

Résumé

récupéré en direct d'OpenAlex

The primary motivation of this research is to offer an insight into the conditions and parameters that influence on the formation, stabilization, destruction and reformation of the multi-particle sand arching (bridging) as an efficient particle retention mechanism occurred at filter opening. The arching phenomenon is numerically explored by coupling two tools: CFD to model the fluid flow, and DEM to model the particle flow. The coupling is done in STAR-CCM+ (SIEMENS PLM). In this research, the arching at the filter opening at the micro-scale with heavy oil as the carrier phase of particles (in oil sand reservoirs) is investigated. The research outcome of this study is a computational fluid dynamic (CFD) -discrete element method (DEM) model cable of predicting multi-particle arch formation, stabilization, breakage and reformation. In particular, some of the parameters and conditions that could affect multi-particle arch performance are also studied such as size and shape of the particles and particle size distribution. Applying and advancing the knowledge gained in this research will help the research industry partner make better decisions about filter selection and filter opening design.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,935

Scores Codex et Gemma par catégorie

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 Opus0,019
Tête enseignante GPT0,264
Écart entre enseignants0,245 · 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'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 revueProgress in Canadian Mechanical Engineering. Volume 4Même sujetMetal Forming Simulation TechniquesTravaux en français237 207