MétaCan
Menu
Retour à la cohorte
Enregistrement W2235855564 · doi:10.1021/acs.energyfuels.5b02367

Effect of Diluents on the Rheological Properties of Maya Crude Oil

2016· article· en· W2235855564 sur OpenAlexafffund
Sepideh Mortazavi-Manesh, John M. Shaw

Notice bibliographique

RevueEnergy & Fuels · 2016
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaTotalVirtual Materials GroupConocoPhillipsShellUniversity of AlbertaBP
Mots-clésDiluentThixotropyTolueneShear thinningRheologyChemistryButanoneViscosityHeptaneRheometerChromatographyChemical engineeringOrganic chemistryMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Understanding the rheological properties of mixtures of heavy oil or bitumen and diluents, specifically at low temperatures, is key in designing different processes employed in the production or transportation of these resources reliably and efficiently. The effect of diluents ( n -heptane, toluene, and toluene + butanone (50:50 vol %)) on the non-Newtonian behavior of Maya crude oil including shear thinning and thixotropy at temperatures from 258 to 333 K are discussed. Toluene + butanone (50:50 vol %) addition to Maya crude oil induces the greatest reduction in shear thinning behavior irrespective of temperature. Thixotropic properties of mixtures of Maya crude oil and diluent were studied through startup experiments. It was shown that toluene + butanone (50:50 vol %) is the best diluent in moderating the thixotropic effect, whereas n -heptane showed the most pronounced thixotropic effect. It was shown that toluene + butanone (50:50 vol %) is more promising in decreasing oil viscosity in comparison to two other diluents tested. Less of this diluent is required to decrease the viscosity to a certain value, which confirms its potential to be used in the industry as a diluent. The results presented also provide a reliable database for model development and evaluation.

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 enseignants0,066
Score d'incertitude au seuil0,419

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 Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,208 · 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

Citations34
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetPetroleum Processing and AnalysisTravaux en français237 207