Integrating mechanical mixing, headspace, and rheology in a computational model for a fermentation process
Notice bibliographique
Résumé
Abstract Although computational fluid dynamics (CFD) modelling has been applied to study bioprocesses where mechanical mixing and aerations are key, the effect of having a free surface has usually been ignored. This work studies a mixing tank for bioprocess applications to analyze the impact that the assumption of a flat liquid level has upon the modelling results, with and without aeration. The methodology takes an experimental and modelling approach. A dual impeller mixer with a speed of 400 rpm is used for batch systems with both non‐Newtonian and Newtonian fluids to characterize the axis torque and surface vortex formation. Several multi‐phase CFD models are applied to study the modelling and numerical effects of the headspace on the results. Regarding modelling accuracy, the CFD models are shown to be able to capture the effect of the free surface on the fluid dynamics of the stirred tank for different fluid rheologies. Therefore, the simplification of the liquid level as a flat and fixed surface should not be applied, especially for a process with aeration or when unaerated conditions can lead to a surface vortex. Regarding the numerical accuracy, it is concluded that the mixture model does not predict the interface shape as well as the Eulerian model. However, only the mixture model shows to be numerically stable. Overall, this work provides validated CFD configurations able to predict the effect of a free surface on the mixing mechanisms in stirred reactors.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».