MétaCan
Menu
← Retour à la cohorte
Enregistrement W35405495 · doi:10.5006/c2008-08388

Corrosion of Carbon Steel in Petrochemical Environments

2008· article· en· W35405495 sur OpenAlexaff
Brenda Ghiane Pena Santos, Fraser King

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensNova Chemicals (Canada)
Organismes subventionnairesnon disponible
Mots-clésCorrosionPetrochemicalCarbon steelMaterials scienceMetallurgyCarbon fibersWaste managementEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The production of petrochemicals involves the handling, treatment and processing of hydrocarbons and organic chemicals, which are generally non-corrosive towards carbon and low alloy-steels, however these hydrocarbons can carry a number of impurities such as water, chlorides and acids that can generate corrosive conditions thereby compromising plant infrastructure. Therefore, in the petrochemical industry it is necessary to develop efficient and practical methods of corrosion control to maintain plant integrity. An electrochemical high temperature and high pressure facility is used to study the corrosion behaviour of carbon steel 1018 in several petrochemical environments. The open circuit potential is measured and the effect of water and carboxylic acid concentration studied on the initiation of corrosion/fouling on carbon steel in a C6 solvent mixture at 220 ± 5° C. A corrosion mechanism is proposed that is similar to that previously proposed in the oil industry for naphthenic acid. As the concentration of total available H+ increases, through the addition of water or carboxylic acid the amount of general and localized corrosion on the carbon steel surface increases. Electrochemical impedance spectroscopy (EIS) is also used to analyze the change of impedance at the carbon steel/solution interface. Scanning electron microscopy and energy dispersive X-ray analysis (SEM/EDX) are used to look at the nature of the deposits formed after two hours of open circuit measurement.

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 enseignants0,005
Score d'incertitude au seuil0,011

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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPetroleum Processing and Analysis→Travaux en français237 207→