MétaCan
Menu
Retour à la cohorte
Enregistrement W4386482023 · doi:10.1080/01457632.2023.2255815

Interaction of Heat Transfer Enhancement and Fouling in Operating Heat Exchangers

2023· article· en· W4386482023 sur OpenAlexaff
Edward M. Ishiyama, S. J. Pugh, Alan Paul Watkinson

Notice bibliographique

RevueHeat Transfer Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFoulingHeat exchangerHeat transfer enhancementHeat transferDynamic scraped surface heat exchangerEnvironmental scienceProcess engineeringMechanical engineeringMaterials scienceMechanicsHeat transfer coefficientPetroleum engineeringEngineeringCritical heat fluxChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Interactions of heat transfer enhancement and fouling can occur due the change in nature of the surface, operating condition, or the fluid itself. Interactions arising relating to higher clean heat transfer coefficients, and higher wall shear stresses of the enhanced surfaces are discussed in this paper. On the lab-scale, enhancement was often achieved by static elements, such as wire wrapping on a heated rod in an annular flow. Lab-scale tests of necessity suffered from effects of relatively short duration of runs, and re-circulation of a batch of liquid with the danger of changing the fluid composition during experiment. Nevertheless, initial fouling rate results consistent with expected trends could be achieved for hydrocarbon fouling, and particulate fouling. There is a continued need to better represent and compare performance of plain and enhanced surfaces over prolonged operating periods in industrial heat exchangers, using commercial enhancement technologies. Example case studies are discussed which demand different methods of comparing performances. A daily averaged cost analysis is identified as a possible systematic approach on the evaluation of the economic benefit of the use of enhancement devices. This is illustrated for a case study example where tube insert is used as an enhancement option.

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)0,003
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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,227
Écart entre enseignants0,212 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeat Transfer EngineeringMême sujetHeat Transfer and OptimizationTravaux en français237 207