MétaCan
Menu
Retour à la cohorte
Enregistrement W2806734202 · doi:10.1177/1350650118781139

Friction and wear behaviors of sand particle against casing steel

2018· article· en· W2806734202 sur OpenAlexaff
Liu Yang, Deguo Wang, Yanbao Guo, Shuhai Liu

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part J Journal of Engineering Tribology · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetal Alloys Wear and Properties
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCasingTribometerMaterials scienceAbrasiveParticle (ecology)Composite materialGeotechnical engineeringWettingPloughMetallurgyTribologyMechanical engineeringEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

Tools abrasive wear due to sand particles has caused severe damage during oil and gas exploitation. The friction and wear behaviors of single quartz sand particle against N80 casing steel were investigated to estimate the particle transport resistance and particle abrasive wear behavior using a homemade tribometer in wellbore sand cleanout. Various measurements were conducted to research the impact factor of particle under different water processing condition, dry, short immersion, wet, influences of load and slide velocity. Experimental results indicated that particle-casing friction resistance is mainly formed due to plowing and adhesion effect. Casing transfer and plowing removal are two main damage forms. Particle real contact area increases noticeably after water absorption, which decreases the hertz contact stress and finally produces less plowing depth of casing steel and causes less damage. With load increasing, friction resistance and wear increase with addition of plowing depth. A simple particle-casing friction model was established considering the experimental contact behavior.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,310

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0000,000

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 Opus0,017
Tête enseignante GPT0,225
Écart entre enseignants0,208 · 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 tête enseignante, 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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part J Journal of Engineering TribologyMême sujetMetal Alloys Wear and PropertiesTravaux en français237 207