Thermal properties and performance of glycerol-water-NaCl phase change material for cold chain applications
Notice bibliographique
Résumé
This study investigates the thermal properties of glycerol-water mixtures and their potential as P hase C hange M aterials ( PCM s) for C old T hermal E nergy S torage ( CTES ) in cold chain applications. The study characterizes key thermal properties, including P hase C hange T emperature ( PCT ), latent heat, density, thermal conductivity, and specific heat. Results indicated that increasing glycerol concentration decreased the PCT of the mixture, reaching −7.76 °C to −21.82 °C, at glycerol concentrations ranging between 25 wt% to 45 wt%, respectively. However, this decrease in PCT is accompanied by a reduction in latent heat, 147.5 kJ·kg −1 to 73.6 kJ·kg −1 for the respective concentrations. To enhance the PCM properties and achieve optimal thermal performance, NaCl was added as an additive to the glycerol-water mixture. The R esponse S urface M ethodology ( RSM ) was employed to optimize the concentrations of PCM components, aiming to achieve a desired PCT of −20 °C and maximize latent heat capacity. The developed model demonstrated high predictability, with an R 2 of 99.20 %, and good statistical significance, as indicated by an overall model F-value of 98.68 and a P-value of 0.0003. Based on this optimization, three mixtures were selected for further characterization, exhibiting suitable PCT values of around −20 °C to −18 °C and latent heat capacities ranging from 97 kJ·kg −1 ( PCM-M1 ) to 280 kJ·kg −1 ( PCM-M3 ). A one-dimensional model was developed to assess the impact of optimized PCM-M3 on the temperature stability of frozen food products. Incorporating the PCM layers significantly improved the thermal control of the perishable product. During standard freezer operation, the product temperature was maintained at −20 °C ± 0.065 °C compared to the reference case (without PCM) at −20 ± 0.81 °C. During defrost cycles, and using PCM-M3 , the maximum product temperature reached −19.42 °C, compared to −16.98 °C without PCM.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».