MétaCan
Menu
Retour à la cohorte
Enregistrement W2021060704 · doi:10.1002/cjce.22189

Re‐examining the influence of chloride ions on electrochemical CO<sub>2</sub>corrosion of pipeline steels—corrosion of the heat‐affected zones (HAZs) of API‐X100 steel

2015· article· en· W2021060704 sur OpenAlexaffvenue
Faysal Fayez Eliyan, Akram Alfantazi

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCorrosionChlorideAcicularMetallurgyMaterials scienceMicrostructure

Résumé

récupéré en direct d'OpenAlex

This research investigates the corrosion characteristics of simulated heat‐affected zones (HAZs) of API X‐100 pipeline steels in CO 2 ‐saturated brines of different chloride concentrations. It links the significances of the HAZ microstructure and chloride concentration to the corrosion kinetics and corrosion products. The ferritic HAZs dissolve at almost two times the rate of acicular ferritic and bainitic HAZs. This paper shows that the samples corrode at rates increasing with the chloride concentration to a maximum rate, at a low chloride concentration, beyond which the corrosion rates decrease with increased chloride concentrations. For the base steel, for instance, the corrosion current densities increased from 8.5 μA/cm 2 in 0.02 mol/L to the maximum 22 μA/cm 2 in 0.07 mol/L before they decreased to 10 μA/cm 2 in 0.1 mol/L. The corrosion products showed an increase with the chloride concentration, from almost 1‐3 μm to 25‐35 μm in 0.02 and 0.85 mol/L solutions, respectively.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 seuil0,471

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,219
Écart entre enseignants0,203 · 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'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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCorrosion Behavior and InhibitionTravaux en français237 207