MétaCan
Menu
Retour à la cohorte
Enregistrement W1966494059 · doi:10.1080/01457630590890049

Fouling Characteristics of a Light Australian Crude Oil

2005· article· en· W1966494059 sur OpenAlexaff
Zaid S Saleh, R. Sheikholeslami, A. P. Watkinson

Notice bibliographique

RevueHeat Transfer Engineering · 2005
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFoulingRefineryAsphalteneCrude oilHeat exchangerEnvironmental scienceOil refineryLight crude oilPulp and paper industryMaterials sciencePetroleum engineeringChemistryEnvironmental engineeringThermodynamicsGeologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Australian crude oils, which generally contain little asphaltenes, nevertheless give rise to fouling in refinery pre-heat trains. In this research, the fouling of a series of such crude oils and their blends is being assessed. The present work focuses on thermal fouling resulting from heating Gippsland crude oil at moderate temperatures. The oil is maintained under nitrogen at a pressure of 379 kPa and re-circulated at bulk temperatures of 80–120ˆC through an electrically heated annular probe at velocities in the range 0.25–0.65 m/s with surface temperatures from 180–260ˆC. Experiments are run for periods up to ninety hours at constant heat flux. Fouling is detected by the increase of wall temperature of the probe. The oil is characterized by its filterable solids content, density, and viscosity both before and after the fouling run. The trends in fouling rates are compared to predictions of the threshold-fouling model proposed by Ebert and Panchal [6] Ebert, W. A. and Panchal, C. B. 1995. “Analysis of Exxon Crude Oil Slip-Stream Coking Data”. In Fouling Mitigation of Industrial Exchange Equipment, Edited by: Panchal, C. B. pp. 451–460. New York: Begell House. [Google Scholar]. Data on deposit composition are presented, and the fouling mechanism is discussed.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,210
Écart entre enseignants0,201 · 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

Citations58
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeat Transfer EngineeringMême sujetPetroleum Processing and AnalysisTravaux en français237 207