MétaCan
Menu
Retour à la cohorte
Enregistrement W4408101821 · doi:10.1016/j.ijft.2025.101162

Investigating the combinations of operating parameters of PEMFC computational results using the Taguchi Method

2025· article· en· W4408101821 sur OpenAlexaff
Prem Kumar Thiyagarajan, Nithesh Kumble Gokuldas, G. R. Srinivasa, Avinash Kumar Rajendran, K. Saravanakumar, M.P. Kannan, C. Durga Prasad, Adem Abdirkadir Aden

Notice bibliographique

RevueInternational Journal of Thermofluids · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésTaguchi methodsComputer scienceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Proton Exchange Membrane Fuel Cells (PEMFC) is considered a promising energy source due to higher energy efficiency, low pollution, fast startup time, and low operating temperature. Under simplified conditions of constant temperature and one-dimensional flow, through the channel, and zero-flux boundaries the model was solved. The model was validated using COMSOL Multiphysics software and experimental results with a 4.22 % and 5.5 % deviation. The Taguchi Method was used to study the operating parameters of PEMFCs and to identify optimal combinations for best output along with developing equations to predict maximum power density. The delta i.e. the difference between the mean of high- and low-level Signal to Noise (S/N) ratios was calculated and found that the relative humidity was significant with value 11.07. The optimum combination is found with the help of the S/N ratio graph based on the larger the better for the performance application. The maximum power density value was predicted using the equation and found to be deviated by 16.5 % with the help of an L8 orthogonal array. Modified Taguchi approach with L4 orthogonal array with a fixed level of higher derivation parameter, reduced the error deviation further to 6.5 % with respect to the simulation results. The approach will be handy for predicting the performance with fewer trials.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,020
Tête enseignante GPT0,304
Écart entre enseignants0,284 · 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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ThermofluidsMême sujetFuel Cells and Related MaterialsTravaux en français237 207