MétaCan
Menu
Retour à la cohorte
Enregistrement W4210484565 · doi:10.3390/pr10020275

Gas Dispersion in Non-Newtonian Fluids with Mechanically Agitated Systems: A Review

2022· review· en· W4210484565 sur OpenAlexafffund
Paloma L. Barros, Farhad Ein‐Mozaffari, Ali Lohi

Notice bibliographique

RevueProcesses · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMixing (physics)MechanicsNon-Newtonian fluidNewtonian fluidRheologyDispersion (optics)Mass transferViscoelasticityFlow (mathematics)BubbleComputational fluid dynamicsProcess engineeringMaterials scienceMechanical engineeringThermodynamicsPhysicsEngineeringOptics

Résumé

récupéré en direct d'OpenAlex

Gas dispersion in non-Newtonian fluids is encountered in a broad range of chemical, biochemical, and food industries. Mechanically agitated vessels are commonly employed in these processes because they promote high degree of contact between the phases. However, mixing non-Newtonian fluids is a challenging task that requires comprehensive knowledge of the mixing flow to accurately design stirred vessels. Therefore, this review presents the developments accomplished by researchers in this field. The present work describes mixing and mass transfer variables, namely volumetric mass transfer coefficient, power consumption, gas holdup, bubble diameter, and cavern size. It presents empirical correlations for the mixing variables and discusses the effects of operating and design parameters on the mixing and mass transfer process. Furthermore, this paper demonstrates the advantages of employing computational fluid dynamics tools to shed light on the hydrodynamics of this complex flow. The literature review shows that knowledge gaps remain for gas dispersion in yield stress fluids and non-Newtonian fluids with viscoelastic effects. In addition, comprehensive studies accounting for the scale-up of these mixing processes still need to be accomplished. Hence, further investigation of the flow patterns under different process and design conditions are valuable to have an appropriate insight into this complex system.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,017
Tête enseignante GPT0,250
Écart entre enseignants0,233 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetFluid Dynamics and MixingTravaux en français237 207