MétaCan
Menu
Retour à la cohorte
Enregistrement W4379177008 · doi:10.1504/ijex.2023.10056736

New insight into contradictory distillation sequence heuristics: exergoeconomic and environmental analysis

2023· article· en· W4379177008 sur OpenAlexaff
Mojtaba Malayeri, G. Reza Vakili Nezhaad, Abolghasem Kazemi

Notice bibliographique

RevueInternational Journal of Exergy · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésHeuristicsComputer scienceDistillationSequence (biology)ExergyProcess engineeringThermodynamicsChemistryChromatographyPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

This research focuses on possible sequences for the distillation of quaternary mixture to assess the performance of a system, where the general design heuristics are contradictory. In cases of contradictory heuristics, the most fitting operating scenarios for referencing each heuristic have not been explored in previous publications. The main objective of this research is to identify the most environmentally friendly and thermodynamically efficient processes, as well as to gain a better understanding of the effect of the objective function on the synthesis of separation trains, through environmental, economic and exergy analyses. To address this, 855 simulations are carried out with capital costs (CAPEX) and total annual costs (TAC) evaluations and environmental impact assessment. Global warming potential (GWP), along with exergy analysis results are also presented. The results of the current study reveal that in contrast to the heuristic criteria and recommendations, it is possible that a heuristically discouraged separation train may work very well, depending on operating conditions. It was also discovered that switching from liquid to vapour feed significantly reduces the direct sequence's superiority. Moreover, it was shown from exergy analysis that selecting the most thermodynamically efficient process does not guarantee optimal solutions in terms of economic and environmental aspects.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,007
Tête enseignante GPT0,222
Écart entre enseignants0,215 · 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 revueInternational Journal of ExergyMême sujetProcess Optimization and IntegrationTravaux en français237 207