MétaCan
Menu
Retour à la cohorte
Enregistrement W2991645336 · doi:10.3390/ma12233898

Erosion–Corrosion of 30°, 60°, and 90° Carbon Steel Elbows in a Multiphase Flow Containing Sand Particles

2019· article· en· W2991645336 sur OpenAlexaff
Rehan Khan, Hamdan Haji Ya, William Pao, Armaghan Khan

Notice bibliographique

RevueMaterials · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueErosion and Abrasive Machining
Établissements canadiensMcGill University
Organismes subventionnairesUniversiti Teknologi Petronas
Mots-clésCorrosionErosionMaterials scienceErosion corrosionSurface finishSurface roughnessFlow (mathematics)Carbon steelElbowSlug flowComposite materialGeotechnical engineeringMetallurgyGeologyTwo-phase flowMechanicsGeomorphology

Résumé

récupéré en direct d'OpenAlex

Erosion-corrosion in flow changing devices as a result of sand transportation is a serious concern in the hydrocarbon and mineral processing industry. In this work, the flow accelerated erosion-corrosion mechanism of 90°, 60°, and 30° long radius horizontal-horizontal (H-H) carbon steel elbows with an inner diameter of 50.8 mm were investigated in an experimental closed-flow loop. For these geometrical configurations, erosion-corrosion was elucidated for erosive slug flow regimes and the extent of material degradation is reported in detail. Qualitative techniques such as multilayer paint modeling and microscopic surface imaging were used to scrutinize the flow accelerated erosion-corrosion mechanism. The 3D roughness characterization of the surface indicates that maximum roughness appears in downstream adjacent to the outlet of the 90° elbow. Microscopic surface imaging of eroded elbow surfaces disseminates the presence of corrosion pits on the exit regions of the 90° and 60° elbows, but erosion scars were formed on the entry regions of the 30° elbow. Surface characterization and mass loss results indicated that changing the elbow geometrical configuration from a small angle to wide angle significantly changed the mechanical wear mechanism of the tested elbows. Moreover, the maximum erosive location was identified at the top of the horizontally-oriented elbow for slug flow.

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 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 enseignants0,020
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)0,0020,000

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 Opus0,012
Tête enseignante GPT0,236
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 tête enseignante, pas un consensus.

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

Citations24
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetErosion and Abrasive MachiningTravaux en français237 207