MétaCan
Menu
Retour à la cohorte
Enregistrement W4362579176 · doi:10.1002/cjce.24910

Mathematical modelling of coalescence of viscous particles: An overview

2023· article· en· W4362579176 sur OpenAlexaffvenue
Nickolas D. Polychronopoulos, Lefteris Benos, J. Vlachopoulos

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDimensionless quantityCoalescence (physics)ViscoelasticitySurface tensionMechanicsViscosityInertiaStokes flowMaterials sciencePhysicsThermodynamicsClassical mechanicsFlow (mathematics)

Résumé

récupéré en direct d'OpenAlex

Abstract Viscous particles of polymer melts and glasses coalesce under the action of surface tension. Resistance is due to viscosity, while inertia is not a contributing factor, with the Ohnesorge number being very high. Russian physicist Yakov Frenkel developed a model for neck growth during the initial stage of the merging process of two spherical particles, assuming uniform biaxial extensional flow. Frenkel's model was extended for prediction of neck size as a function of time to the completion of coalescence, expressed by an ordinary differential equation. The time t is expressed in dimensionless form as ( tγ / ηR ), where η , γ , and R denote the viscosity, surface tension, and particle radius, respectively. Models were also developed for viscoelastic effects, non‐isothermal conditions, and unequal diameter particles. For the coalescence of infinitely long cylinders, planar extensional flow is assumed. Other investigators presented numerical solutions of the Navier–Stokes equations, which include shear flow components, but the predictions of neck growth are not much different from those of the Frenkel‐based models. Comparisons to experiments are also discussed, involving polymers, glasses, animal tissue cells, and biomacromolecules. The models are also used in additive manufacturing applications for the determination of bonding and pore shrinkage.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,557
Score d'incertitude au seuil0,302

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 Opus0,051
Tête enseignante GPT0,231
Écart entre enseignants0,180 · 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'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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207