MétaCan
Menu
Retour à la cohorte
Enregistrement W4200497122 · doi:10.3390/foods11010046

A Three-Stage Solidification Model for Food Particles

2021· article· en· W4200497122 sur OpenAlexaff
Seshasai Srinivasan

Notice bibliographique

RevueFoods · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Chemistry and Fat Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCrystallizationTemperingDrop (telecommunication)Materials scienceMechanicsHeat transferConvectionThermodynamicsComposite materialMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

A three-stage solidification model for food droplets has been implemented in a computational fluid dynamics code. It comprises of an initial cooling stage that is based on the principles of convective heat transfer. This is followed by the solidification period that is initiated once the droplet cools to a phase change temperature. Finally, when the droplet is completely solidified, the tempering phase begins where the droplet cools to the temperature of the ambient air. The model has been validated with respect to the experimental data for cocoa butter. Additional simulations were made in which the crystallization behavior of the cocoa butter droplets in relation to the droplet size, ambient air temperature and the relative drop-gas velocity was investigated. It was found that the crystallization time is exponentially related to the droplet size. Further, it increased with the ambient temperature, but decreased with the relative drop-gas velocity. Overall, the results suggest operating at the extreme values of the process parameters, requiring high amount of energy, to minimize the crystallization time. It was concluded that there is a need for optimizing the operating conditions of the powder production process to minimize the energy requirement of the system while maintaining a reasonable crystallization time.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil0,119

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 Opus0,076
Tête enseignante GPT0,252
Écart entre enseignants0,176 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetFood Chemistry and Fat AnalysisTravaux en français237 207