MétaCan
Menu
Retour à la cohorte
Enregistrement W3202345979 · doi:10.18488/journal.58.2021.82.26.39

A Mathematical Model for Dehydration by Successive Pressure Drops: Simulation of Discarded Potatoes Dehydration

2021· article· en· W3202345979 sur OpenAlexafffund
Sebastián Gutiérrez-Pacheco, Joahnn H. Palacios, Alfonso Parra-Coronado, Stéphane Godbout

Notice bibliographique

RevueJournal of Food Technology Research · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensInstitut de Recherche et de Développement en AgroenvironnementUniversité Laval
Organismes subventionnairesUniversidad Nacional de ColombiaUniversité Laval
Mots-clésDehydrationKineticsDrop (telecommunication)Mathematical modelThermodynamicsPressure dropMaterials scienceProcess (computing)Process engineeringChemistryMechanicsMathematicsMechanical engineeringComputer scienceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Dehydration by Successive Pressure Drops (SPD) is a process with high potential for treating heat-sensitive materials; this includes agro-industry by-products. However, the response of drying kinetics to operating conditions of SPD is not fully understood. The present manuscript refers to mathematical simulations to describe drying kinetics of discarded potatoes using SPD. While there are numerous theoretical, semi-theorical and empirical mathematical models, the selection of the appropriate model is a rigorous process. In this paper, the Thompson thin-layer semi-theoretical model was chosen since the assumptions for this model (e.g., product is arranged in thin layers) are fulfilled for the SPD. As a result of mathematical simulation, it was possible to describe the drying kinetics in terms of the major parameters of SPD namely pressurizing level (Pa) and the Frequency of Pressure Drop (FPD). The dehydration by SPD allows the removal of water from the material, mainly at the pressure drop. If this stage occurs more frequently, the drying rate increases. The model developed describes at less 91% of the variability of the experimental data. It is recommended to use high FPD and Pa equals to 0.50 MPa.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil0,174

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,076
Tête enseignante GPT0,358
Écart entre enseignants0,282 · 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'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 revueJournal of Food Technology ResearchMême sujetFood Drying and ModelingTravaux en français237 207