MétaCan
Menu
Retour à la cohorte
Enregistrement W4293115981 · doi:10.11159/htff22.178

Ansys Mechanical Automation using Python for the Steady State Thermal Analysis of Fins

2022· article· en· W4293115981 sur OpenAlexvenueno aff
Mohamed Shaimi, Rabha Khatyr, Jâafar Khalid Naciri

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesCentre National pour la Recherche Scientifique et Technique
Mots-clésPython (programming language)AutomationThermalModelicaComputer scienceMechanical engineeringThermal analysisState of artMaterials scienceEngineeringSimulationProgramming languagePhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

A numerical investigation of the heat transfer enhancement through fins using the Ansys Mechanical solver is presented. Results are given for a uniform fin with elliptical cross-sections and uniform heat flux applied on its base while heat is dissipated to its surroundings by convection from both its lateral surface and tip. The peak temperature at the base of the fin is used to evaluate the thermal performance. Ansys Mechanical solver is automated using Python scripting to run 792 simulations for various materials, fin lengths, and ratios between the minor and major axes of the elliptical cross-sectional shape for both cases of natural and forced convection. The use of the original automated numerical procedure significantly decreases the computational time and the user intervention. It was found that the thermal performance is improved by increasing the length of the fin, using a material with higher thermal conductivity, or having a ratio between the minor and major axes of the ellipse that is farther from unity. Forced convection gives better thermal performance compared to natural convection.

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 enseignants0,225
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,010
Tête enseignante GPT0,214
Écart entre enseignants0,203 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetHeat Transfer and OptimizationTravaux en français237 207