Bibliographic record
Abstract
Ett nytt koncept för separering av jäst från öl har tagits fram på Alfa Laval i Tumba. Jästen matas nu ut kontinuerligt istället for att skjutas ut då separatorn har fyllts med för mycket jäst, konceptet gör att man kan spara öl som annars försvinner i samband med skott. För att konceptet skall vara lönsamt måste den utmatade jästen ha tillräckligt hög densitet trots att indensiteten ständigt sjunker, samtidigt som man måste ha bra separering. I det här examensarbetet har en reglerstrategi för denna höghastighets centrifugal separationsprocess utvecklats. Genom experimentella studier av systemet kunde en matematisk modell av separationsprocessen skapas. Modellen användes sedan som grund for en MPC-regulator där densiteten styrdes genom att styra flödena i processen. En implementering av styrningen genomfördes sedan i processlaboratoriet i Tumba. Separeringen antogs vara bra så länge massflödet in var relativt lågt och trycknivåerna var bra. Med MPC-regulatorn gick det att hålla densiteten över en satt gräns i laboratorieexperiment. Det visas också att en ervariabel regulator i det här fallet har fördelar över envariabla. Förutsättningar för att i ett nästa steg även reglera separeringseffektiviteten anses finnas.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".