MétaCan
Menu
Retour à la cohorte
Enregistrement W2324943694 · doi:10.1007/s10694-016-0581-7

Case Study and Computational Modelling of the Impact of Fire Retardant on Fire Spread for Metal Building Insulation

2016· article· en· W2324943694 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueFire Technology · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueFire dynamics and safety research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFire retardantCone calorimeterFlammabilityFlame spreadCombustibilityMaterials scienceFire performanceForensic engineeringEnvironmental scienceComposite materialWaste managementCombustionCharEngineeringPyrolysisFire resistance

Résumé

récupéré en direct d'OpenAlex

This paper reviews a large fire loss that occurred at a seasonally operated Canadian food-processing facility. The fire occurred when the facility was not in production and started near a work area where employees had been previously unloading a trailer. The origin and cause investigation revealed different metal building insulation (MBI) products were used throughout the building on walls and ceilings. It was suspected that MBI material contributed to the rapid fire spread to otherwise empty parts of the building and that this material did not meet the relevant Building Code requirements. The facility used MBI product consisting of a polypropylene moisture barrier over fiberglass insulation. A detailed analysis of recovered MBI materials found that some of the material was flame retardant and some was not flame retardant. Additional testing of the materials was used to calibrate computational fire model inputs in order to estimate the behavior of MBI coatings by simulating fire scenarios in the full building. The intent of the analysis was to evaluate the relative propensity of the two MBI insulation products to facilitate flame spread from the area of fire origin in a comparative, qualitative framework. Test results showed that flame retardant MBI material substantially reduced fire spread compared with the non-flame retardant material. The ignition temperatures derived from cone calorimeter testing were higher (407°C compared with 226°C) and the peak heat release per unit area was lower for the flame retardant MBI coatings. The non-flame retardant MBI had a measured flame spread rating of 120, which was greater than the maximum flame spread rating of 25 permitted by the Building Code for ceiling finishes. Computational modeling correlates with non-flame retardant coated insulation (noncompliant) being present in the area where the fire originated, facilitating significant fire spread. The model predicted that the presence of non-flame retardant MBI on the ceiling facilitated flame spread across a significant distance from the area of origin within the first 300 s to 400 s, while the flame retardant MBI product yielded minimal flame spread beyond the incident area over a 20 min exposure.

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.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,232

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 Opus0,030
Tête enseignante GPT0,286
Écart entre enseignants0,256 · 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