Kannapinn, Maximilian ; Pham, Minh Khang ; Schäfer, Michael (2022)
Physics-based digital twins for autonomous thermal food processing: Efficient, non-intrusive reduced-order modeling.
In: Innovative Food Science and Emerging Technologies, 81
doi: 10.1016/j.ifset.2022.103143
Artikel, Bibliographie
| Typ des Eintrags: | Artikel |
|---|---|
| Erschienen: | 2022 |
| Autor(en): | Kannapinn, Maximilian ; Pham, Minh Khang ; Schäfer, Michael |
| Art des Eintrags: | Bibliographie |
| Titel: | Physics-based digital twins for autonomous thermal food processing: Efficient, non-intrusive reduced-order modeling |
| Sprache: | Englisch |
| Publikationsjahr: | 30 August 2022 |
| Verlag: | Elsevier |
| Titel der Zeitschrift, Zeitung oder Schriftenreihe: | Innovative Food Science and Emerging Technologies |
| Jahrgang/Volume einer Zeitschrift: | 81 |
| DOI: | 10.1016/j.ifset.2022.103143 |
| URL / URN: | https://www.sciencedirect.com/science/article/pii/S146685642... |
| Zusätzliche Informationen: | Paper No. 103143 |
| Fachbereich(e)/-gebiet(e): | 16 Fachbereich Maschinenbau 16 Fachbereich Maschinenbau > Fachgebiet für Numerische Berechnungsverfahren im Maschinenbau (FNB) Exzellenzinitiative Exzellenzinitiative > Graduiertenschulen Exzellenzinitiative > Graduiertenschulen > Graduate School of Computational Engineering (CE) |
| Hinterlegungsdatum: | 10 Okt 2022 06:35 |
| Letzte Änderung: | 10 Okt 2022 06:35 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum