Synergistic Effect of Biocide and Biodispersant to Mitigate Microbiologically Influenced Corrosion in Crude Oil Transmission Pipelines
Notice bibliographique
Résumé
Abstract Crude oil transmission pipelines are treated with chemicals to mitigate microbiologically influenced corrosion (MIC). Often such corrosion occurs at over and under bends in pipelines due to the flow regimes that allow the suspended particulate in the crude to settle. The resulting sludge, typically composed of oil, water, and sand, can be microbiologically active. For testing, sludge is collected from the nose of a cleaning pig, but the locations of sample collection are frequently remote. As such, onsite testing of the sludge can be impractical, thus samples usually travel long distances to the laboratory for testing. A study was completed on sludge sampled from a crude oil transmission pipeline in order to (i) observe the impact of biocide, biodispersant, and combined biocide-biodispersant treatment on sludge microbial communities and MIC, and (ii) compare molecular microbiological methods to a frequently used culture-based enumeration technique. Untreated samples, along with samples treated with a matrix of biocide, biodispersant, or a combination of these chemicals, were evaluated using both enumeration tests and 16S rRNA gene sequencing (for microbial community composition identification) to determine treatment efficacy. A subgroup of the samples also underwent corrosion assays (by weight loss) and optical microscopy. These experiments revealed that a combined biocide-biodispersant inhibitor treatment was the most effective for preventing MIC in the laboratory samples tested, and highlights that multiple approaches have value for assessing MIC potential in pipeline sludges.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».