MétaCan
Menu
Retour à la cohorte
Enregistrement W4286515860 · doi:10.1016/j.rineng.2022.100551

A systematic analysis of foam drainage: Experiment and model

2022· article· en· W4286515860 sur OpenAlexaff
Sahand Etemad, Apostolos Kantzas, Steven L. Bryant

Notice bibliographique

RevueResults in Engineering · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAsymptoteMaterials scienceDrainageDissipationExponential functionMechanicsVolume (thermodynamics)Power functionComposite materialThermodynamicsMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Foam drainage describes the flow of a liquid through a foam, driven by gravity and capillarity. This is an important factor for foam stability, and thus of great relevance to many sectors including the oil and gas industries. We are proposing a generalized version of the drainage equation along with an exponential equation to predict the foam life at the later time. The models yield the foam height values as a function of time. It was observed that in early times foam volume, V(t), varies linearly with time and that at later times, it displays power or exponential asymptotes with the exponents depending on the dissipation mechanism. The models were tested through foam experiments in static conditions where the ascending and descending foam heights were monitored as a function of time. Conventional and nanoparticle fortified foams stability under static conditions were tested up to 115 °C and 2.8 MPa. Furthermore, the effect of nanoparticle concentration and different surfactants on foam drainage rate were investigated systematically. Subsequently, measurements were fitted to the empirical expressions. The model coefficients relate to film properties, which vary with pressure, temperature and chemical composition.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,234 · 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'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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResults in EngineeringMême sujetPickering emulsions and particle stabilizationTravaux en français237 207