MétaCan
Menu
Retour à la cohorte
Enregistrement W2311212307 · doi:10.1021/acs.iecr.5b00806

Role of Liquid Concentration in Coke Yield from Model Vacuum Residue–Coke Agglomerates

2015· article· en· W2311212307 sur OpenAlexafffund
Deepesh Kumar, Christa E. Müller, Peter Pfeifer, Jason Wiens, Jennifer McMillan, Michael Wormsbecker, Craig A. McKnight, Murray R. Gray

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2015
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensSyncrude (Canada)University of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSyncrude
Mots-clésCokeAgglomerateYield (engineering)Fraction (chemistry)ChemistryMaterials scienceResidue (chemistry)MetallurgyChromatographyComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The fluid coking process is an example of an upgrading process that uses hot solids to heat and crack bitumen into more valuable products. When feed liquid is sprayed into a fluid bed of hot solids, the solids tend to agglomerate, giving simultaneous heating, reaction, and disintegration processes. The reaction of mixtures of three Athabasca vacuum residues and fluid coke particles was investigated by heating them in Curie point reactors in an induction furnace up to 530 °C. Small scale reactors with machined wells were fabricated from Curie point alloy. The yield of coke was measured as a function of the ratio of liquid to solid, heating rate, and feed type. Coke yields were insensitive to heating rates from 5 to 120 °C/s, at a constant final temperature. Bubbling was observed as the ratio of liquid feed in the mixture was raised above a threshold, depending on the reactivity of the feed used. Bubbling was observed to increase with greater heating rates, but it had little effect on ultimate coke yield. Coke yield increased with the fraction of bitumen on particles for all feed types tested. When the coke yields were normalized using the microcarbon residue content of the feeds, the results did not give a single trend when plotted with fraction of feed present in the mixtures.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,102
Tête enseignante GPT0,317
Écart entre enseignants0,216 · 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

Citations7
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetPetroleum Processing and AnalysisTravaux en français237 207