MétaCan
Menu
Retour à la cohorte
Enregistrement W4214534861 · doi:10.3390/en15051813

Increasing Density of 3D-Printed Sandstone through Compaction

2022· article· en· W4214534861 sur OpenAlexafffund
Kevin Hodder, Angel J. Sánchez-Barra, Sergey Ishutov, Gonzalo Zambrano-Narváez, Rick Chalaturnyk

Notice bibliographique

RevueEnergies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConsejo Nacional de Ciencia y Tecnología
Mots-clésCompactionPorosityGeotechnical engineeringGeologyPermeability (electromagnetism)Compressive strengthPorous mediumCementPetroleum engineeringMineralogyMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

The geomechanical and transport properties of rocks are of great importance to geoscience and engineering, as these properties provide responses to external stresses and flow regimes in the subsurface. Typically, experiments conducted on cores from reservoir formations have a degree of uncertainty, due to the heterogeneous characteristics of rock samples. To combat this uncertainty, binder-jet additive manufacturing (3D printing) is an emerging technology to characterize natural porous media in a repeatable fashion. In this study, the 3D printing sandstone analogue involved sand powder and organic binder to mimic silica grains and cement in natural sandstone. The use of compaction rollers and the adjustment of printing parameters allowed one to test how the porosity and strength of 3D-printed samples can replicate the transport and geomechanical properties of natural sandstone. The densities of samples were increased by ~15% and compressive strength by ~65% with the use of the larger roller. This is a promising alternative to experimental testing to calibrate numerical models in geoscience and engineering. The significance of this approach is to allow for customizable porosity, permeability, and strength in rock samples, while preserving scarce natural rock samples.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil0,356

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)0,0000,000

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 GPT0,199
Écart entre enseignants0,191 · 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'étudeSimulation ou modélisation
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

Citations19
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetDrilling and Well EngineeringTravaux en français237 207