MétaCan
Menu
Retour à la cohorte
Enregistrement W2029855086 · doi:10.2118/117840-ms

Production of High Quality Water for Oil Sands Application

2008· article· en· W2029855086 sur OpenAlexaboutno aff
Chris Beaudette-Hodsman, Brian Macleod, R. Venkatadri

Notice bibliographique

RevueInternational Thermal Operations and Heavy Oil Symposium · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueOil and Gas Production Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceOil sandsReverse osmosisProduced waterMicrofiltrationFoulingWaste managementWater qualityPetroleum engineeringEnvironmental engineeringPulp and paper industryAsphaltEngineeringMembraneMaterials scienceChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Canadian oil sands in the province of Alberta are a hydrocarbon source for North America. By the year 2015, the oil sands will be producing in excess of 3 million barrels/day of crude oil. A number of companies operate Upgraders that convert the bitumen that is extracted from the oil sands into light sweet crude oil. Steam is required to heat utilities at the Upgrader facility. In one major oil sands extraction site, well water is being used as feed water for the boilers producing this steam. Reverse Osmosis (RO) systems were designed and installed to produce high quality water required for this application. The pretreatment system was designed with conventional multimedia technology. The RO system required feed water with silt density index (SDI) of 3 or less. Due to ineffectiveness of the conventional pretreatment system, the SDI of the RO feed water was in the range of 12-20. This resulted in severe fouling of the RO membranes and production losses. In order to optimize the performance of the RO membrane system, a pressurized microfiltration membrane system was delivered and commissioned within 5 days to replace the existing pre-treatment system. The new unit contained an automated PVDF hollow fiber microfiltration membrane system mounted in a trailer. SDI values in the range of 1.0-2.5 were immediately observed in the feed water to the RO system. The end user has enjoyed significant cost savings and ease of operation as a result of this innovative technology. This paper describes the details of the installation and the superior performance data gathered at the end user site.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,313

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 Opus0,015
Tête enseignante GPT0,258
Écart entre enseignants0,243 · 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

Citations5
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Thermal Operations and Heavy Oil SymposiumMême sujetOil and Gas Production TechniquesTravaux en français237 207