MétaCan
Menu
Retour à la cohorte
Enregistrement W186873186 · doi:10.5006/c2003-03427

Role of Solution Resistance in Measurements from Atmospheric Corrosivity Sensors

2003· article· en· W186873186 sur OpenAlexaff
Robert D. Klassen, P.R. Roberge

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésCorrosionMaterials scienceMetallurgyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract The measurement of corrosion rates by various electrochemical methods in conductive solutions has a sound theoretical basis. In many practical cases, the influence of solution resistance is negligible compared to the polarization resistance of the electrodes. However, where these techniques are applied to measuring atmospheric corrosivity, the role of ionic resistance between electrodes seems to be under estimated. The influence of solution resistance for four types of atmospheric corrosivity sensors was analyzed on the basis of their equivalent electrical circuits. These included time-of-wetness, galvanic, linear polarization resistance, and electrochemical noise sensors. Analysis of the equivalent circuits indicated that solution resistance plays a confounding role in interpreting apparent corrosivity measurements. Therefore the effects of changes in solution resistance must be accounted for in order to properly interpret apparent corrosivity measurements. One proposed solution is to manufacture corrosivity sensors that have a constant ionic resistance between the electrodes. This may be possible with a material that functions as a solid-state ionic conductor. Another proposed solution is to measure solution resistance in parallel with the apparent corrosivity. Depending on the type of sensor, the true corrosivity can then be calculated from the apparent corrosivity and solution resistance according to an appropriate model.

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)0,011
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 enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,017
Tête enseignante GPT0,214
Écart entre enseignants0,197 · 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

Citations7
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnalytical Chemistry and SensorsTravaux en français237 207