MétaCan
Menu
Retour à la cohorte
Enregistrement W4290959601 · doi:10.1002/cjce.24485

Experimental investigation on drying performance of pharmaceutical granules in a pulsation‐assisted fluidized bed dryer

2022· article· en· W4290959601 sur OpenAlexafffundvenue
Chen Li, Carter Blocka, Lifeng Zhang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Saskatchewan
Mots-clésFluidizationFluidized bedMaterials scienceAirflowVolumetric flow rateWork (physics)ChromatographyChemical engineeringMechanicsChemistryThermodynamicsOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Fluidized bed drying has been widely employed in pharmaceutical manufacturing processes. Due to the considerable cohesiveness of wet pharmaceutical granules, channelling phenomena pose significant challenges to fluidization and drying. In this work, the drying performance of pharmaceutical granules in a pulsation‐assisted fluidized bed dryer was experimentally investigated. The drying rate and energy efficiency were investigated with representative pharmaceutical powders, including active pharmaceutical ingredients (APIs). It is found that the pulsed airflow is effective in enhancing the drying rate at higher superficial gas velocity. A lower pulsation frequency is more favourable to improve the drying rate. During the constant rate period, energy efficiency is between 60% and 45% for the drying process, while the energy efficiency decreases to 10% during the falling rate period. A pulsed fluidized bed dryer has shown a higher energy efficiency than a conventional one with a constant air flow. Among nine thin‐layer drying models examined in this work, the Midilli and Kucuk model has shown the best agreement between the experimental data and the predicted results.

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 enseignants0,013
Score d'incertitude au seuil0,124

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 Opus0,042
Tête enseignante GPT0,221
Écart entre enseignants0,179 · 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

Citations8
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetFood Drying and ModelingTravaux en français237 207