MétaCan
Menu
Retour à la cohorte
Enregistrement W2164563334 · doi:10.5006/1.3277317

Corrosion Characteristics of Mild Steel in Urea Ammonium Nitrate Fertilizer Solutions

2002· article· en· W2164563334 sur OpenAlexafffund
J. R. Cahoon

Notice bibliographique

RevueCORROSION · 2002
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCorrosionAmmonium nitrateUreaMaterials scienceAmmoniumFertilizerMetallurgyNitrateAmmoniaInorganic chemistryChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Anodic polarization studies have been conducted on mild steel in urea ammonium nitrate (UAN) fertilizer solutions comprising 31 wt% urea ([NH2]2CO), 39 wt% ammonium nitrate (NH4NO3), and 30 wt% H2O, with a total N content of 28 wt% (UAN 28-0-0). It was determined that mild steel can spontaneously exhibit either active-passive or passive behavior when immersed in UAN solutions. At 23°C, specimens exhibiting active-passive behavior experienced corrosion rates of ~2 mm/y for pH values in the range of 3 to 8.5. At pH values <3, the corrosion rate increased rapidly, reaching a value of 92 mm/y at a pH of 1.1. Specimens exhibiting passive behavior experienced corrosion rates of ~0.002 mm/y for the pH range of 6 to 8.5. An increase in temperature from 23°C to 60°C increased the corrosion rate of specimens exhibiting active-passive behavior from ~2 mm/y to ~15 mm/y. To minimize corrosion, mild steel storage tanks for liquid UAN fertilizer should be kept free of sludges and other contaminants, which could provide stagnant areas where low pH areas can develop. Further, storage tanks should be painted a light color since darkly painted tanks experience higher temperatures and thus higher corrosion rates.

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 enseignants0,004
Score d'incertitude au seuil0,008

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,052
Tête enseignante GPT0,255
Écart entre enseignants0,202 · 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

Citations9
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCORROSIONMême sujetCorrosion Behavior and InhibitionTravaux en français237 207