MétaCan
Menu
Retour à la cohorte
Enregistrement W4407811979 · doi:10.3390/fluids10030055

On the Modular Design Application for the Gas Turbine Sector: A Performance Optimization Approach in the Context of Industry 4.0

2025· article· en· W4407811979 sur OpenAlexafffund
Lucas Chavanel-Precloux, Roland Maranzana, Lucas A. Hof

Notice bibliographique

RevueFluids · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesMitacs
Mots-clésModular designContext (archaeology)Gas turbinesTurbineComputer scienceManufacturing engineeringMechanical engineeringIndustrial engineeringEngineeringSystems engineeringGeologyOperating system

Résumé

récupéré en direct d'OpenAlex

Production changes enabled by Industry 4.0 (I4.0) allow industries to respond to customer needs in a much more precise and agile manner. It also permits companies to focus on the development of sustainable and more efficient solutions. The energy sector is still lacking progress in this context, however, and the implementation of I4.0 and modularity could help to solve such issues. The present research study contributes to addressing the research gap in I4.0 implementation in the Gas Turbine (GT) sector by developing a design application for modular GT configuration. The main objective of the developed modular design application (MDA) is to facilitate the relationship between customer and engineer by providing an accessible application (program), including pre-designed heat cycles (HCs), that proposes optimized modular solutions, according to customer requirements, using simulation. Indeed, this study presents the functioning of the novel application, the different deployed components and their variables, such as the compressor efficiency, heat exchangers, or turbine stages, and the decision variable, e.g., the costs of generated energy. Simulations and comparisons using reported HCs in the literature have been performed to validate the accuracy of the simulation processes. Finally, a study case is presented, placing the MDA in an industrial context to illustrate its benefits and to provide solutions for GT modularity. It is concluded that the developed MDA correctly simulates HCs and enables a first step towards modular HC design. Indeed, the proposed MDA architecture allows for continuous improvement and expansion, e.g., by the addition of HC-related components or the integration of different entry variables, such as the company’s financial scope, world location, desired power, and available components.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,221
Écart entre enseignants0,203 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFluidsMême sujetProcess Optimization and IntegrationTravaux en français237 207