MétaCan
Menu
Retour à la cohorte
Enregistrement W2910742304 · doi:10.5006/c2018-10924

High-Performance Polyurethane Elastomer Coatings - Lessons Learned from 6 Years in Oil Sands Service

2018· article· en· W2910742304 sur OpenAlexaboutno aff
Michael Magerstädt, Larry H. Lai, Thorsten Raeth, Stefan Förster, Daniel Plourde, Rainer Altmeppen, Ali Sarvi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueErosion and Abrasive Machining
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolyurethaneElastomerMaterials scienceComposite materialPetroleumService (business)Petroleum engineeringEngineeringGeologyBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Six years have passed since the first installation of spools with custom-designed internal abrasion protection coatings made from high-performance polyurethane elastomers. These coatings, which do not require an intermediate layer of rubber or neoprene have become an essential tool in oil sands tailings and hydrotransport lines. Useful life of steel pipes is extended significantly; often by factors of 10 or even more. With the advent of intelligent coatings incorporating wear sensors three years ago, much wider use of high-performance polyurethane elastomer coatings became possible. Such intelligent coatings transmit wear information to the outside of the pipe without the need for a hole through the pipe wall. This presentation will give an overview on lessons learned with these coatings in Alberta oil sands, from material properties, operating conditions, wear data, to useful life and cost savings.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,629
Score d'incertitude au seuil0,999

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)0,0120,004

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 Opus0,027
Tête enseignante GPT0,267
Écart entre enseignants0,240 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetErosion and Abrasive MachiningTravaux en français237 207