MétaCan
Menu
Retour à la cohorte
Enregistrement W1728829528 · doi:10.1520/stp10450s

Turbine Oil Quality and Field Application Requirements

2001· book-chapter· en· W1728829528 sur OpenAlexaff
ST Swift, K. Butler, W Dewald

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensImperial Oil (Canada)
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)Quality (philosophy)Oil fieldTurbineMarine engineeringEnvironmental sciencePetroleum engineeringEngineeringMechanical engineeringMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Power generation and other types of industrial turbines have always required the use of high quality lubricants. This paper will discuss the evolution of turbine oil formulation technology, and the use of different quality products in different applications. The original “R&O” type circulating oils, which are suitable for use in many hydraulic and steam turbine systems, have a long and successful history. Next came high performance products, designed for increased operating life. Finally, products have been introduced recently that provide the high stability needed for systems which operate under severe conditions of thermal stress, such as may occur in certain gas turbine operations. Selecting a suitable turbine oil requires meeting the application requirements of equipment and service environment, while balancing initial and life cycle cost considerations and oil performance history. Field experience with different types of equipment and different turbine oil types will be described, with examples of situations where each oil type has performed successfully. Experience with field performance problem-solving will also be addressed, such as a gas turbine filter plugging problem which was resolved by selecting the appropriate turbine lubricant. Turbine equipment manufacturers generally specify the properties and performance requirements of turbine oils according to the type and severity of operation. Standardized laboratory tests provide an indicator of an oil's performance, although such performance needs to be confirmed by field experience. New testing tools are needed which will better correlate to the performance requirements of new generation equipment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil0,633

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,258
Écart entre enseignants0,234 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207