MétaCan
Menu
Retour à la cohorte
Enregistrement W4403947132 · doi:10.18280/mmep.111014

Enclosed Barn Conditioning System: A Comparison Between Traditional and Indirect Evaporative Cooling

2024· article· en· W4403947132 sur OpenAlexvenueno aff
Marco Puglia, Saverio Mirandola, Michèle Cossu, Nicolò Morselli, Giulio Allesina, Simone Pedrazzi, Alberto Muscio, Paolo Tartarini

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueThermal Regulation in Medicine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEvaporative coolerConditioningBarnAir conditioningEnvironmental scienceEngineeringMathematicsMechanical engineeringCivil engineeringStatistics

Résumé

récupéré en direct d'OpenAlex

Enclosed barns can be an effective farming system, providing proper animal welfare conditions to the cattle, with also positive effect on dairy productivity.On the other hand, the air conditioning process can be extremely energy-intensive and expensive, especially during summer months.This is not only due to the high air temperature and the solar irradiance, but also because of the metabolic heat produced by the cattle.The climatic condition considered for this study is the temperate-no dry season-hot summer, typical of northern Italy, where more than 80% of Italian milk is produced.Two conditioning strategies have been evaluated: the traditional chiller with a reverse thermodynamic cycle and an indirect evaporative cooling system based on the Maisotsenko cycle.The two systems were analytically compared considering an enclosed barn with a population of 500 lactating cows, highlighting the pros and cons of each systems.Traditional reverse cycle is capable of consistently reaching the chosen thermo-hygrometric conditions, ensuring the highest dairy productivity.However, this comes at the expense of significant energy expenditure.On the other hand, indirect evaporative cooling is not always able to reach the planned conditions, but it guarantees a significantly lower energy expenditure.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0030,000

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 Opus0,062
Tête enseignante GPT0,269
Écart entre enseignants0,207 · 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'étudeObservationnel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetThermal Regulation in MedicineTravaux en français237 207