MétaCan
Menu
Retour à la cohorte
Enregistrement W1484002102 · doi:10.5006/c2000-00055

Inhibitor Selection for Internal Corrosion Control of Pipelines: Comparison of Rates of General Corrosion and Pitting Corrosion under Gassy-Oil Pipeline Conditions in the Laboratory and in the Field

2000· article· en· W1484002102 sur OpenAlexaff
Sankara Papavinasam, R. Winston Revie, Michael Attard, Alebachew Demoz, J. C. Donini

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésCorrosionPipeline transportPitting corrosionPipeline (software)MetallurgyMaterials sciencePetroleum engineeringEnvironmental scienceEngineeringEnvironmental engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Field experiments were carried out in a gassy-oil field using two continuous inhibitors, each at four concentrations, 0, 50, 100 and 200 ppm, and two batch inhibitors, each at two concentrations, 0 and 2000 ppm. Laboratory experiments were carried out using 12 different methodologies with the same inhibitors at the same concentrations as used in the field. By comparing the general and pitting corrosion rates in field and laboratory experiments at the same inhibitor concentration, a ranking of laboratory methodologies has been developed. The approaches used to calculate the ranking of the laboratory methodologies were: Comparison of the logarithm of the ratio of the general corrosion rate in the laboratory to that in the field;Comparison of the logarithm of the ratio of the pitting corrosion rate in the laboratory to that in the field; andComparison of the percent inhibition (calculated from both general corrosion rate and pitting corrosion rate) in the laboratory and in the field.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,315
Écart entre enseignants0,297 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCorrosion Behavior and InhibitionTravaux en français237 207