MétaCan
Menu
Retour à la cohorte
Enregistrement W2775784809 · doi:10.17073/0368-0797-2017-8-603-608

EXPERIENCE AND DEVELOPMENT OF METHODS TO ESTIMATE BLAST FURNACE REFRACTORY LINING CONDITIONS

2017· article· en· W2775784809 sur OpenAlexaffabout
Y. Gordon, Afshin Sadri, К. В. Миронов, Н. А. Спирин

Notice bibliographique

RevueIzvestiya Ferrous Metallurgy · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Diagnostics and Reliability
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésRefractory (planetary science)Blast furnaceMetallurgyForensic engineeringMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Acousto – Ultrasonic – Echo (AU-E) method of non-distractive testing of refractory lining conditions is developed by Hatch (Canada) to estimate refractory wear of blast furnaces and electrical smelters in non-ferrous and ferro-alloys industries. This system compliments the traditional modeling of heat transfer of blast furnace lining based on imbedded thermocouples data and additionally allows to determine location of cracks/anomalies and boundary between refractory lining and accretion. The limitations and accuracy of AU-E method are discussed and confirmed by comparison with physical measurements on cold furnaces. Improvement of the method allowed to take into account the influence of high temperatures, profile of the furnace and its dimensions and difference in the acoustic resistance of various layers of multilayer refractory lining on the regularity of wave propagation. The AU-E method is a reliable and non-destructive method for controlling the state of refractory masonry of smelting furnaces. The hardware and software of the AU-E system underwent a significant improvement, which made it possible to obtain measurement results with sufficient accuracy. Examples of AU-E method application to numerous furnaces in Russian Federation and around the Globe as well as some technological measures to prolong blast furnace campaign are presented and discussed. It was shown that results of several consecutive measurements allow estimation of the rate of refractory wear and prediction of the end point of blast furnace campaign. AU-E method is successfully applied for more than 70 blast furnaces around the World including blast furnaces of NLMK. CherMK, NTMK, ZapSib and MMK in Russian Federation and also for numerous copper, platinum, nickel and ferro-alloy smelters etc.

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)0,007
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,037
Tête enseignante GPT0,376
Écart entre enseignants0,339 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIzvestiya Ferrous MetallurgyMême sujetEngineering Diagnostics and ReliabilityTravaux en français237 207