Simulating k‐Carrageenan and Sucrose as a Model Solution for Determining Temperature‐Dependent Measurements of Thermal Conductivity and Specific Heat of Tropical Fruit Juices
Notice bibliographique
Résumé
ABSTRACT Model solutions are alternatives to reduce experimental costs in the evaluation of heat transfer during the freezing of tropical fruit juices in large containers. Therefore, data of specific heat, and conductivity of a model solution 0.5% of k‐carrageenan and 10% sucrose (weight/volume in water) were obtained in the temperature range of −30°C to 25°C. The thermal conductivity was measured using the line heat source thermal probe and specific heat, with differential scanning calorimeter (DSC). These thermal properties were modeled and correlated with ice fraction predictions. The initial freezing temperature ( T fS ) of the model solution was −1.1°C and there was a great variation in the thermal conductivity in the temperature range of 0°C to −5°C during strong variations in ice formation. The Maxwell–Eucken model provided theoretical values closest to the experimental results and demonstrated a least relative difference which ranged from 3% to 11.5%. The measurement of specific heat versus temperature had the expected theoretical profile. These properties were validated by comparing them with the experimental results obtained for red guava ( Psidium guajava L ., 85.0% moisture content, T f = −1.4°C), mango ( Mangifera indica L. var. Uba, 86.5% moisture content, T f = −2.4°C), and passion fruit ( Passiflora edulis Sims F. flavicarpa Deg ., 88.9% moisture content, T f = −2.2°C) at subzero temperatures. In this temperature range, the percentage differences were less than 20%. The highest differences were near the initial freezing temperatures and the smallest percentage differences were for guava juice and the largest for mango juice.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».