Comparative Analysis of Ultraviolet Lamp Configurations in Large Chambers for Residual Contaminant Removal
Notice bibliographique
Résumé
This study investigated optimal ultraviolet (UV) lamp configurations for the decontamination of large environmental test chambers using validated simulation and optimization. Using DIALux software, we simulated UV intensity distributions and validated the approach through physical measurements in an 8 m3 chamber (R${}^{2} =0.777$). The initial analysis of ceiling, wall, and mixed configurations revealed the superiority of the ceiling placement in coverage uniformity. To enable systematic optimization beyond predefined configurations, we introduced the effective germicidal coverage ratio (EGCR)—a three-dimensional metric that quantifies the percentage of chamber volume receiving germicidal UV doses ($\ge 30$mJ/cm2). Unlike simple coverage calculations, EGCR integrates spatial dose distribution with biological inactivation thresholds, serving as an objective function for optimization algorithms. The use of maximal coverage problem and genetic algorithm optimization revealed scale-dependent phenomena: In 8 m3 chambers, simple ceiling placement (three lamps) achieved 99.0% EGCR, nearly matching genetic algorithm (GA)-optimized configurations (four lamps, 99.5%). However, in 24 m3 chambers, optimized mixed configurations (10 lamps, 97.3% EGCR) significantly outperformed uniform ceiling placement (seven lamps, 95.1% EGCR). Pareto analysis showed decreasing lamp efficiency with chamber size (0.25–0.33 vs. 0.10–0.14 EGCR/lamp). These findings demonstrate that UV system design cannot rely on proportional scaling: optimal strategies fundamentally differ between small and large chambers. While ceiling-mounted configurations are sufficient for compact chambers, larger volumes benefit from computationally optimized mixed placements. This simulation-based approach, which was validated through physical measurements, provides practical guidelines for the design of effective UV decontamination systems at different chamber scales.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».