MétaCan
Menu
Retour à la cohorte
Enregistrement W2912965256 · doi:10.32964/tj14.1.41

Understanding recovery boiler smelt runoff phenomena

2015· article· en· W2912965256 sur OpenAlexfundno aff
Honghi Tran, Andrew K. Jones, Thomas M. Grace

Notice bibliographique

RevueTAPPI Journal · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSmeltSurface runoffEnvironmental scienceWaste managementEngineeringFisheryEcology

Résumé

récupéré en direct d'OpenAlex

There is considerable interest in the nature and causes of heavy smelt runoff from recovery boilers because of the role it has played in numerous dissolving tank explosions and for personnel safety around the dissolving tank. Most mills have experienced runoff problems, which can be caused by cleaning plugged spouts, burning down a large bed, low sulfidity smelt, startup with a bed in the unit, and improper firing practices. The peak smelt flow during a runoff is often 3 to 5 times normal and may be much greater in severe cases. Heavy runoffs are self-limiting and typically last less than 30 min. The geometry of the lower furnace plays a significant role in runoff events. Sloped floor units are more vulnerable to smelt pool buildup and heavy runoff when released. Decanting bottom units are inherently more tolerant of smelt pool buildup. Low sulfidity results in smelt with a high melting temperature, making the smelt easy to freeze and difficult to flow. Sulfate-rich slag/deposits falling on the hearth from the upper furnace can contribute significantly to runoff problems by causing dams and spout plugging, increasing the load of smelt pool to be removed, decreasing bed temperatures, and lowering the sulfidity of the smelt leaving the furnace.

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 enseignants0,007
Score d'incertitude au seuil0,014

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
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 Opus0,123
Tête enseignante GPT0,230
Écart entre enseignants0,107 · 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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTAPPI JournalMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207