MétaCan
Menu
Retour à la cohorte
Enregistrement W2953197798 · doi:10.5006/c2018-11374

The Effect of Extractives on the Passivation of Carbon Steel in Synthetic Black Liquor Environments

2018· article· en· W2953197798 sur OpenAlexaff
Matthew Tunnicliffe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueLubricants and Their Additives
Établissements canadiensFPInnovations
Organismes subventionnairesnon disponible
Mots-clésPassivationCarbon fibersBlack liquorCorrosionCarbon steelMaterials scienceCarbon blackMetallurgyWaste managementChemistryEngineeringComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Not all kraft mills have corrosion concerns in black liquor environments despite operating with similar temperatures, sulphidity and caustic content. There is reason to believe this change in liquor corrosivity is due to the presence of softwood extractives. This study used a synthetic solution to simulate weak black liquor environments (5 g/L sodium hydroxide and 20 g/L sodium sulphide) at 160°C to perform laboratory experiments. These experiments used a K02700 (A516 grade 70 carbon steel) working electrode to perform potentiodynamic, open circuit potential and immersion experiments to determine how liquor corrosivity changes in the presence of 1 or 5 g/L catechol, tannic acid or sodium citrate. These experiments were repeated in the presence of 1 g/L chloride in an attempt to increase the kinetics of corrosion. The catechol and tannic acid increased liquor corrosivity; however, the influence of 1 g/L chloride in the presence of an extractive was less clear. The reduced corrosion rate measured in the immersion studies in the presence of catechol, tannic acid and chloride is thought to do with the chloride interfering or binding with the chelates in solution rendering it less corrosive.

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 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 enseignants0,098
Score d'incertitude au seuil0,128

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,193
Écart entre enseignants0,188 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLubricants and Their AdditivesTravaux en français237 207