MétaCan
Menu
Retour à la cohorte
Enregistrement W4414398947 · doi:10.1016/j.cep.2025.110559

Beyond dividing wall columns: Improved process intensification through liquid-only transfer and heat integration

2025· article· en· W4414398947 sur OpenAlexaff
Momme Adami, Dennis Espert, Mirko Skiborowski

Notice bibliographique

RevueChemical Engineering and Processing - Process Intensification · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Heat transferWork (physics)Heat exchangerProcess integration

Résumé

récupéré en direct d'OpenAlex

Many chemical companies aim to achieve climate neutrality by 2050, requiring raw material changes and significant reductions in process energy. Since distillation accounts for a large share of energy use, it is a key target for process improvements. One promising approach is thermal coupling between columns, which is already industrially implemented, especially in dividing wall columns. However, such configurations often suffer from limited operational flexibility due to the fixed vapor split between parallel sections, which is largely fixed during design and difficult to adjust during operation. This limitation can be overcome by replacing each bidirectional vapor-and-liquid connection with a liquid-only transfer side stream. This concept allows each column to operate at an individual pressure and enables new options for heat integration. The present study introduces a structured approach for assessing and optimizing such systems with one or two liquid-only transfer side streams, particularly when combined with direct heat integration. Promising configurations are first identified through an efficient shortcut screening and can further be optimized using superstructure optimization. A case study on separating benzene, toluene, and para-xylene demonstrates that liquid-only transfer configurations with direct heat integration can significantly reduce energy and costs, and in many cases outperform conventional thermally coupled systems.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,009
Tête enseignante GPT0,238
Écart entre enseignants0,229 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemical Engineering and Processing - Process IntensificationMême sujetProcess Optimization and IntegrationTravaux en français237 207