MétaCan
Menu
Retour à la cohorte
Enregistrement W4386101510 · doi:10.46632/ese/2/2/4

Exploring Eco-Friendly Alternatives: Experimental Study of a Refrigerator with R600a and HC Mixture Refrigerants

2023· article· en· W4386101510 sur OpenAlexaboutno aff
B. Omprakash, R. Ganapathi

Notice bibliographique

RevueEnvironmental science and engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefrigerantRefrigerator carEnvironmentally friendlyProcess engineeringEnvironmental scienceAutomotive engineeringThermodynamicsEngineeringGas compressorPhysics

Résumé

récupéré en direct d'OpenAlex

The emission of greenhouse gases into the atmosphere by refrigerators is a major contributor to global warming and the subsequent destruction of the ozone layer, despite the fact that refrigeration has become an essential human need in recent decades.Montreal and Kyoto agreements advocated environmentally preferable refrigerants because of concern for the planet.Since R600a and a hydrocarbon combination (R290/R600a) have negligible ODP and very low GWP compared to the refrigerant R134a, they were used in the current work's experimental investigation of the VCRS system.Hydrocarbons have a larger latent heat value than R134a, hence a smaller refrigerant charge is required.Critical correlations are formed between the refrigerants, and they are graphically illustrated, utilizing R600a and hydrocarbon mixture refrigerants of charges 50g, 55g, and 60g.For a 55g charge, the cooling effect of a mixture of R290 and R600a (50/50 by weight percent) was 21.4% more than that of R600a alone.Based on the data, it was determined that a blend of 55 grams (R290/R600a) is the most effective environmentally friendly replacement for R134a refrigerant.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,210
Écart entre enseignants0,191 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental science and engineeringMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207