MétaCan
Menu
Retour à la cohorte
Enregistrement W4372346426 · doi:10.31428/10317/11580

Optimización energética de los refrigerantes R152a, R1234yf, R290, R1270, R600a y R744, como alternativa al R134a en un armario de refrigeración vertical

2023· article· es· W4372346426 sur OpenAlexaboutno aff
Sánchez Daniel, Andreu Nácher Alejandro, Calleja Anta Daniel, Nebot Andrés Laura, Vidan Falomir Francisco, Llopis Doménech Rodrigo, Cabello Ramón, Larrondo Sancho Rafael

Notice bibliographique

Revuenon disponible
Typearticle
Languees
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Con la entrada en vigor de la normativa Europea F-Gas (2014) y la posterior enmienda de Kigali al protocolo de Montreal (2019), los equipos frigoríficos autónomos han sufrido cambios para poder sustituir los refrigerantes originales R134a y R404A, a otras sustancias con menor impacto medioambiental tales como R290, R600a o incluso R744 (CO2). Sin embargo, existen otras sustancias que también pueden ser consideradas como alternativas, como es el caso de los fluidos puros R1270, R152a y R1234yf. En esta ponencia se analiza energéticamente cómo funciona un armario de refrigeración vertical autónomo, cuando la carga de refrigerante es optimizada para los fluidos anteriormente mencionados. Dicha optimización busca minimizar el consumo energético del equipo en unas condiciones ambientes de 30ºC y 60% (Clase climática III), manteniendo una temperatura promedio de producto en torno a 3ºC. Tomando como referencia el refrigerante R134a, los resultados obtenidos muestran un ahorro energético del 27.5 %, 26.3 %, 13.7 %, 3.9 % y 1.2 %, para los refrigerantes R290, R1270, R152a, R744 y R600a, respectivamente, mientras que el uso del refrigerante R1234yf, supone un incremento del 4. 1%.

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 enseignants0,005
Score d'incertitude au seuil0,012

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,009
Tête enseignante GPT0,274
Écart entre enseignants0,265 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207