MétaCan
Menu
Retour à la cohorte
Enregistrement W4223991408 · doi:10.1016/j.corcom.2022.03.002

Plant extracts as sustainable and green corrosion inhibitors for protection of ferrous metals in corrosive media: A mini review

2022· review· en· W4223991408 sur OpenAlexaff
Ali Zakeri, Elnaz Bahmani, A. Sabour Rouhaghdam

Notice bibliographique

RevueCorrosion Communications · 2022
Typereview
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCorrosionHazardous wasteCompatibility (geochemistry)Environmental safetyHuman healthHeavy metalsEnvironmental scienceEngineeringBiochemical engineeringRisk analysis (engineering)Waste managementBusinessMaterials scienceMetallurgyChemistryEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

Application of green corrosion inhibitors, which reduce corrosion rates to the appropriate level with low environmental impact, is one of the emerging key approaches of controlling corrosion in modern society. From the standpoint of environmental compatibility, this research field is undergoing significant developments. Nowadays, due to increasing ecological awareness, corrosion inhibitors are subject to stringent restrictions and regulations enforced by environmental agencies in a number of nations. According to these requirements, these chemicals must be environmentally acceptable and safe. In light of this, intensive research has been undertaken in recent years aimed at development of green corrosion inhibitors from plant extracts. Being readily available, inexpensive, biodegradable, and safe make these substances promising alternatives to the hazardous conventional corrosion inhibitors. The purpose of this review article is to summarize, in a brief manner, a compilation of recent prominent papers on utilizing plant extracts as sustainable and green corrosion inhibitors. In addition, some discussions were made on the benefits and drawbacks of employing these substances for protection of metals.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,118
Tête enseignante GPT0,359
Écart entre enseignants0,241 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations293
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorrosion CommunicationsMême sujetCorrosion Behavior and InhibitionTravaux en français237 207