MétaCan
Menu
Retour à la cohorte
Enregistrement W2057129598 · doi:10.1080/00908310390424160

No-Flare Design: Converting Waste to Value Addition

2005· article· en· W2057129598 sur OpenAlexaff
N. Bjorndalen, S. Mustafiz, Mohammod Hafizur Rahman, M. R. Islam

Notice bibliographique

RevueEnergy Sources · 2005
Typearticle
Langueen
DomaineEnergy
ThématiqueOil, Gas, and Environmental Issues
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFlareWaste managementAssociated petroleum gasProcess (computing)Production (economics)EngineeringProcess engineeringEnvironmental scienceNatural gasComputer science

Résumé

récupéré en direct d'OpenAlex

A common practice among all oil producing companies is to burn off any unwanted gas that liberates from oil during production. Although this process ensures the safety of the rig by reducing the pressures in the system that result from gas liberation, it is very harmful for the environment. The implementation of a no-flare design will have a great impact in reducing the emissions from production. The problem of no-flare design is comprised of the separation of gas, solid and liquid. In this article, various options in achieving a no-flare process are discussed. While advances have been made in separating liquid and gas, challenges are abound when it comes to separation of gases. Unless this is done, the capture and use of gases cannot be performed with any appreciable efficiency. Various novel options for separation processes are highlighted. Membrane separation will be highlighted as well since it offers the greatest hope for a no-flare design in this regard. In addition to effective separations, value added end products will be discussed. This essentially means the usage of the separated wastes. Various methods of fines usage as well as low quality gases will be outlined. Novel methods to purify produced waters are also examined. Indeed, a no-flare design coupled with value added end products is imperative for the future of an environmentally appealing oil and gas industry.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,012
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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

Citations30
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy SourcesMême sujetOil, Gas, and Environmental IssuesTravaux en français237 207