MétaCan
Menu
Retour à la cohorte
Enregistrement W2793175801 · doi:10.1021/acs.energyfuels.8b00215

Effect of the Surfactant on Asphaltene Deposition on Stainless-Steel and Glass Surfaces

2018· article· en· W2793175801 sur OpenAlexafffund
Abdulaziz Al Sultan, Mohsen Zirrahi, Hassan Hassanzadeh, Jalal Abedi

Notice bibliographique

RevueEnergy & Fuels · 2018
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSaudi Aramco
Mots-clésPulmonary surfactantAsphalteneDispersantDeposition (geology)Chemical engineeringMaterials sciencePrecipitationMetallurgyComposite materialDispersion (optics)Geology

Résumé

récupéré en direct d'OpenAlex

Surfactant dispersants have been introduced as a proper candidate to mitigate the problems caused by asphaltene precipitation, such as clogging wells, flowlines, and surface facilities in oil industry. In this work, we study the effects of dodecylbenzenesulfonic acid (DBSA) as a surfactant on asphaltene deposition on stainless-steel and glass surfaces. Experiments were conducted to measure asphaltene precipitation in the bulk system and asphaltene deposition on the stainless-steel and glass surfaces. Results revealed that the surfactant delays the asphaltene onset in the bulk system. However, asphaltene deposition on the stainless-steel surface was increased at all measured concentrations of the surfactant, while the deposition rate on the glass surface decreased by increasing the surfactant concentration. Affinity of the surfactant molecules to the stainless-steel surface was verified in asphaltene deposition and removal tests. The results revealed that the DBSA surfactant is able to remove deposited asphaltene on glass surfaces at high concentrations. This study reveals the importance of surface properties when the surfactant is used as an asphaltene dispersant.

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)0,000
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
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,230
Écart entre enseignants0,224 · 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

Citations19
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetPetroleum Processing and AnalysisTravaux en français237 207