MétaCan
Menu
Retour à la cohorte
Enregistrement W4410508859 · doi:10.31031/pps.2023.05.000614

Factorial Design Heat and Mass Transfer of Counter-Current Water Cooling Tower as a Case Study of an Experimental Design Project

2023· article· en· W4410508859 sur OpenAlexfundno aff
Isam Al Zubaidi

Notice bibliographique

RevueProgress in Petrochemical Science · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdsorption and Cooling Systems
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Regina
Mots-clésCooling towerTowerCurrent (fluid)Heat transferWater coolingMass transferNuclear engineeringEngineeringEnvironmental scienceMechanical engineeringMechanicsElectrical engineeringStructural engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

for the Heat Mass and Momentum Transfer.This project is to compare the effectiveness and cooling performance of the standard film fill packing material in a water cooling tower apparatus.The results showed that increasing the air and water flow rates can increase efficiency by approximately 10% and 13%, respectively.The cooling ranges and ideal ranges of the cooling tower were used to calculate efficiencies between 83-97% for the regular packing material.Other calculations were performed, including approach, heat and mass transfer coefficients, the heat emitted, mass and energy balance, factorial design analysis using Minitab, Solid Edge work, etc.Many operating variables were evaluated, such as the effect of packing material, flow rates of air and water, water inlet temperature to study the effect of these variable on the efficiency of water cooling towers, which can be used to optimize cooling tower performance in industrial settings.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,404

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,048
Tête enseignante GPT0,330
Écart entre enseignants0,282 · 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'étudeExpérimental (laboratoire)
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 revueProgress in Petrochemical ScienceMême sujetAdsorption and Cooling SystemsTravaux en français237 207