Experimental methods in chemical engineering: Pressure
Notice bibliographique
Résumé
Abstract Pressure and temperature are the most important state variables for monitoring physicochemical processes to detect deviations that might lead to explosions and to verify levels, flow rate, and solids/gas hold‐up. Pressure fluctuations in multi‐phase systems identify regime changes and flow anomalies. Pressure signals are the first indicator of a process upset and are tied into distributed control systems (DCS) to sound alarms when they drift to high or low and activate safety interlocks in the case of high, high‐high, low, and low‐low conditions. To maximize the information, it requires that pressure gauges (transducers) are installed and calibrated precisely. Pressure measuring devices include manometers, aneroid devices like bellows and Bourdon gauges, and electronic instruments—piezoresistive, piezoelectric, and capacitive. The electronic elements have the advantage of higher precision and faster response times to measure fluctuations. The Bourdon gauges are standard equipment for pressure regulators and are mounted on the exterior of vessels and pipes to facilitate visual inspections. Over 2 million articles indexed by the Web of Science Core collection mention pressure, and in 2021, chemical engineering ranks had over 7000 articles—only multidisciplinary material sciences and energy and fuels had more. A bibliometric analysis identified five research clusters: temperature, combustion, and kinetics; separation, membranes, and energy efficiency; carbon dioxide (capture and storage), water, and thermodynamics; methane, adsorption, and transport phenomena (e.g., diffusion and permeability); and modelling, optimization, and computational fluid dynamics (CFD).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,009 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».