MétaCan
Menu
Retour à la cohorte
Enregistrement W4205503672 · doi:10.1002/cjce.24371

Mechanistic models for liquid binder evaporation in wet granulation

2022· article· en· W4205503672 sur OpenAlexvenueno aff
Elham Heidari, Salman Movahedirad, Mohammad Amin Sobati

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEvaporationMicroscale chemistryGranulationContact angleMass transferMaterials scienceParticle (ecology)Volume (thermodynamics)MechanicsThermodynamicsChemistryComposite materialChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, binder evaporation as a significant microscale phenomenon in fluidized bed wet granulation has been investigated in three situations: a single droplet, a sessile droplet, and a liquid bridge. Single droplet evaporation has been analytically modelled by mass transfer analysis from a spherical droplet subjected to the relative velocity of the medium and considering evaporation rate variations versus droplet diameter. Then, the sessile droplet evaporation model has been used from the literature. Finally, the liquid bridge evaporation has been modelled, and the rupture time of the bridge has been computed. The local temperature dependence of air physicochemical properties has been considered in all models. The single and sessile droplet evaporation rates have been successfully validated by the experimental data of the air–water system. The effects of operational conditions and liquid/particle properties on each evaporation event have been evaluated and quantified. The results indicate that both the higher relative velocity between the air and a single droplet and the smaller equilibrium contact angle in a constant volume of sessile droplets increase the evaporation rate. Also, increasing the length of the binder bridge reduces the rupture 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,248

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 Opus0,014
Tête enseignante GPT0,184
Écart entre enseignants0,170 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207