MétaCan
Menu
Retour à la cohorte
Enregistrement W2605244488 · doi:10.5006/c2016-07392

Corrosivity Study of Sulfur Compounds and Naphthenic Acids under Refinery Conditions

2016· article· en· W2605244488 sur OpenAlexaff
Qin Xin, Heather D. Dettman

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCoal Combustion and Slurry Processing
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésNaphthenic acidRefinerySulfurCorrosionMetallurgyChemistryEnvironmental chemistryWaste managementMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The potential corrosivity of crude oils is a major concern for refineries. Plant experience has shown that current methods based on crude sulfur content and total acid number (TAN) do not reliably predict corrosion rates. In particular, a better understanding of the relative importance of sulfidic and naphthenic acid corrosion mechanisms, when both are present, is needed to better predict crude corrosivity. Previous work focused on the influence of organic acid structure on corrosivity. In this paper, the relative corrosivities of different types of sulfur species are explored. Four model sulfur compounds were chosen based on relative thermal stability of carbon-sulfur bonds, which increased in the order of 1-octanethiol < dioctyl sulfide < diphenyl sulfide < dibenzothiophene. Corrosion rates for these compounds in white oil were measured for 1018 carbon steel (UNS(1) G10180) coupons in a test unit that simulated a vacuum distillation tower. Test conditions were varied, including temperature, total sulfur content, and whether or not naphthenic acids were present. The results were consistent with a sulfidic corrosion mechanism that depends on the release of hydrogen sulfide (H2S) by thermolysis of the carbon-sulfur bonds. When naphthenic acids were present, there was clearly competition between H2S and naphthenic acids for metal surfaces. Corrosion rates of three types of stainless steel (UNS S41000, S30400, and S31600) were then compared to that of the 1018 carbon steel.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

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 savante0,0000,000
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 Opus0,020
Tête enseignante GPT0,245
Écart entre enseignants0,225 · 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'étudeObservationnel
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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCoal Combustion and Slurry ProcessingTravaux en français237 207