MétaCan
Menu
Retour à la cohorte
Enregistrement W4386631340 · doi:10.1109/oceanslimerick52467.2023.10244646

Performance characteristics of eco-friendly Seawater Ice slurry maker using Alternative Refrigerant R-1234yf

2023· article· en· W4386631340 sur OpenAlexaboutno aff
Joon-Hyuk Lee, Chang-Hyo Son, Jung-In Yoon, Sung-Hoon Seol, Nam-Su Kwak, Ju-Sam Park

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Boiling Studies
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Oceans and Fisheries
Mots-clésRefrigerantRefrigerationEnvironmental scienceSlurryAir conditioningUSableEnvironmentally friendlyProcess engineeringWaste managementMarine engineeringEnvironmental engineeringEngineeringComputer scienceEcologyMechanical engineeringHeat exchanger

Résumé

récupéré en direct d'OpenAlex

Nowadays, interest in environmental issues is increasing, and refrigerant regulations are getting stricter through the 1989 Montreal Protocol, the 1997 Kyoto Protocol. As a representative example, the slurry ice making device used to maintain the freshness of fish, caught by fishing boats is also using a refrigerant. And this conventional refrigerant has high GWP, so it will be regulated. However, since there is no suitable alternative refrigerant for refrigeration so far, in this study, HFO-based R-1234yf refrigerant was used as a working fluid, which has been widely used recently in vehicle air conditioning. Also, this paper represents whether this refrigerant is suitable for using in refrigeration system. From this experiment results, R-1234yf refrigerant can be judged to be sufficiently usable for refrigeration system.

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 enseignants0,597
Score d'incertitude au seuil0,512

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 Opus0,024
Tête enseignante GPT0,247
Écart entre enseignants0,222 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer and Boiling StudiesTravaux en français237 207