MétaCan
Menu
Retour à la cohorte
Enregistrement W2513174922 · doi:10.5006/2193

Materials Selection for Use in Concentrated Hydrochloric Acid

2016· article· en· W2513174922 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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCORROSION · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésHydrochloric acidSelection (genetic algorithm)MetallurgyChemistryMaterials scienceComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Hydrochloric acid (HCl) is an important mineral acid with many uses, including the pickling of steel, acid treatment of oil wells, and chemical cleaning and processing. This acid is extremely corrosive and its aggressiveness can change drastically depending on its concentration, the temperature, and contamination by oxidizing impurities. One of the most commonly encountered oxidizing impurities is the ferric ion. In general, stainless steels cannot tolerate aggressive HCl solutions, hence the need to use corrosion resistant nickel-based alloys. A part of this study focused on the role of alloying elements on the corrosion performance of commercial nickel-based alloys UNS N10276, UNS N06022, UNS N06200, UNS N07022, UNS N10362, UNS N10675, UNS N06059, and UNS N06625, in HCl solutions, with and without the presence of oxidizing impurities (ferric ions). Aggressive HCl solutions can also be used to simulate the critical crevice solution. Therefore, another aspect of this research is to investigate the role of alloying elements in nickel-based alloys on the inhibition of crevice corrosion. In the present study, various standard corrosion test methodologies, conservative electrochemical techniques, and a range of surface analytical tools have been utilized.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,345

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 Opus0,025
Tête enseignante GPT0,247
Écart entre enseignants0,223 · 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