Prédiction de l'efficacité de courant du procédé Hall-Héroult
Bibliographic record
Abstract
Le procédé Hall-Héroult, permettant la production de l'aluminium par electrolyse, est très énergivore et polluant. Le rendement de production de ce procédé se nomme efficacité de courant et est défini comme étant le rapport entre la production de métal réelle et théorique, obtenue par la loi de Faraday. La compagnie Process Performance Technologies a développé un projet dans le but d'augmenter l'efficacité de courant du procédé Hall-Héroult. Ce projet est divisé en deux volets distincts, soit la mise au point d'un système de contrôle ainsi que le développement d'un système d'analyse statistique incluant un modèle mathématique de prédiction d'efficacité de courant. \n \nLe travail de recherche de cette maîtrise, mené en collaboration avec la compagnie P.P.T., porte essentiellement sur le modèle mathématique de prédiction d'efficacité de courant. L'objectif principal était de valider et d'améliorer le modèle utilisée par P.P.T.. Pour ce faire, une large recherche bibliographique a été effectuée afin de comparer les équations du modèle P.P.T. à celles présentes dans la littérature. D'autre part, une banque de relations empiriques concernant les propriétés de l'électrolyte, tirées de la littérature, a été remise à la compagnie afin de permettre à l'utilisateur du système de choisir les équations les plus appropriées au type de bain qu'il utilise. \n \nUne étude approfondie, portant sur un des paramètres importants du modèle, l'épaisseur de la gelée, a aussi été effectuée. L'analyse de plusieurs modèles globaux à résistances thermiques a permis de mieux comprendre l'influence du coefficient de transfert de chaleur bain-gelée sur l'épaisseur de la couche de gelée. De plus, diverses modélisations numériques, réalisées à l'aide d'un logiciel commercial d'éléments finis, ont été effectuées afin d'étudier le comportement de la gelée et aussi dans le but d'obtenir une équation généralisée reliant les pertes de chaleur et l'épaisseur de la gelée.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
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".