MétaCan
Menu
Retour à la cohorte
Enregistrement W3208337014 · doi:10.3390/su132112135

Nephelium lappaceum Extract as an Organic Inhibitor to Control the Corrosion of Carbon Steel Weldment in the Acidic Environment

2021· article· en· W3208337014 sur OpenAlexaff
Femiana Gapsari, Djarot B. Darmadi, Putu Hadi Setyarini, Hubby Izzuddin, Kartika A. Madurani, Ayoub Tanji, Hendra Hermawan

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCorrosionRambutanCarbon steelMetallurgyOxideMetalMaterials scienceCorrosion inhibitorBase metalWeldingTotal organic carbonCarbon fibersChemistryComposite materialEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

Organic inhibitors have been considered as an effective way to control the corrosion of carbon steel weldment in an acidic environment. This work proposes a new green organic inhibitor made of extract of rambutan fruit (Nephelium lappaceum) peel and aims at analyzing its corrosion inhibitor properties and protection mechanism. Specimens of carbon steel weldment were tested for their corrosion by using electrochemical and immersion methods in 1 M HCl solution containing 0 to 6 g/L of Nephelium peel (NP) extract. Results showed that, in the same solution, the corrosion rate was measured to be higher on the weld metal zone than that of base metal zone, which could be related to the coarser grain of the weld metal zone and the stability of the formed oxide layer. The addition of NP extract was found to increase the stability of the oxide layer, thus increasing the corrosion resistance of the specimens. The maximum inhibition efficiency of the NP extract was reached at 97% for weld metal with 5 g/L of extract, at 80% for the heat affected zone with 5 g/L, and at 70% for base metal with 4 g/L. This work reveals the particularity of different weldment zones to the different needs of inhibitor concentration for obtaining the optimum corrosion protection.

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)0,002
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 enseignants0,078
Score d'incertitude au seuil0,807

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,256
Écart entre enseignants0,247 · 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

Citations28
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCorrosion Behavior and InhibitionTravaux en français237 207