MétaCan
Menu
Retour à la cohorte
Enregistrement W4210340206 · doi:10.47363/jeast/2021(3)125

Experimental and Numerical Investigation of Phase Separation with Entrance Mixing

2021· article· en· W4210340206 sur OpenAlexafffund
E. Weiwei, Kevin Pope

Notice bibliographique

RevueJournal of Engineering and Applied Sciences Technology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSeparator (oil production)Laminar flowMechanicsInletVolume of fluid methodVolume fractionComputer simulationMixing (physics)Multiphase flowMaterials scienceThermodynamicsGeologyPhysicsFlow (mathematics)

Résumé

récupéré en direct d'OpenAlex

In this paper, experimental and numerical methods are used to investigate the separation of an oil / water mixture. An American Petroleum Institute (API) gravity-based separator was built to conduct the experimental studies. The numerical simulations were developed with the same geometry as the experimental setup. The effect of inlet velocity and the oil volume fraction on the separation process is investigated with the new numerical predictions. Validations of the simulation model show that the numerical predictions of the multiphase Volume of Fluid (VOF) model with the laminar viscosity model agree well with the experimental results. The results of oil volume fraction and velocity vector distribution in the separator showed that there was a mixing zone located at the entrance, which had a lower relative oil volume fraction and a higher velocity. The study of the inlet velocity effect on the mixing length of the entrance mixing zone shows that when the fluid in the separator is in the laminar range, the mixing length is less than 40% of the total separator length. However, when the inlet velocity was increased until the fluid in the separator reached the transient range, the mixing length occupied 90% of the total separator length.

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 enseignants0,206
Score d'incertitude au seuil0,204

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 Opus0,006
Tête enseignante GPT0,227
Écart entre enseignants0,222 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering and Applied Sciences TechnologyMême sujetFluid Dynamics and MixingTravaux en français237 207