MétaCan
Menu
Retour à la cohorte
Enregistrement W3206030255 · doi:10.3390/fuels2040024

Interaction Behavior of Biogenic Material with Electric Arc Furnace Slag

2021· article· en· W3206030255 sur OpenAlexafffund
Xianai Huang, Ka Wing Ng, Louis Giroux, Marc Duchesne, Delin Li, Ted Todoschuk

Notice bibliographique

RevueFuels · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensArcelorMittal (Canada)
Organismes subventionnairesNatural Resources CanadaUniversity of Waterloo
Mots-clésSlag (welding)SteelmakingRaw materialElectric arc furnaceMetallurgyScrapCarbon fibersMaterials sciencePyrolysisOil shaleWaste managementComposite numberComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

Electric arc furnaces (EAFs) are used for steel production, particularly when recycling scrap material. In EAFs, carbonaceous material is charged with other raw materials or injected into molten slag to generate foam on top of liquid metal to increase energy efficiency. However, the consumption of fossil carbon leads to greenhouse gas emissions (GHGs). To reduce net GHG emissions from EAF steelmaking, the substitution of fossil carbon with sustainable biogenic carbon can be applied. This study explores the possibility of the substitution of fossil material with biogenic material produced by different pyrolysis methods and from various raw materials in EAF steelmaking processes. Experimental work was performed to study the effect of biogenic material utilization on steel and slag composition using an induction melting furnace with 50 kg of steel capacity. The interaction of biogenic material derived from different raw materials and pyrolysis processes with molten synthetic slag was also investigated using a tensiometer. Relative to other biogenic materials tested, a composite produced with densified softwood had higher intensity interfacial reactions with slag, which may be attributed to the rougher surface morphology of the densified biogenic material.

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 enseignants0,002
Score d'incertitude au seuil0,006

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
Bibliométrie0,0000,000
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 Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,202 · 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

Citations17
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFuelsMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207