MétaCan
Menu
Retour à la cohorte
Enregistrement W4292739527 · doi:10.33313/531/021

Dephosphorization at Low Temperature and Low Basicity in the Double Slag Converter Steelmaking Process With Low CO2 Emission

2022· article· en· W4292739527 sur OpenAlexafffund
H. Sun, J. Yang, Wanli Yang, Runhao Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensCégep de Sorel-TracyÉcole de Technologie Supérieure
Organismes subventionnairesMitacs
Mots-clésSteelmakingSlag (welding)Process (computing)Materials scienceMetallurgyComputer science

Résumé

récupéré en direct d'OpenAlex

To meet the requirements of high efficiency, low cost and environment friendly dephosphorization in the converter steelmaking, the double slag converter steelmaking process (DSP) was developed, in which the typical one is named as Multi-refining converter (MURC) process1, proposed by Nippon Steel, Japan. The process can be divided into the dephosphorization (De-P) stage and decarburization (De-C) stage. In the De-P stage, the desiliconization and dephosphorization are conducted in the converter at first. After intermediate deslagging of the dephosphorization slag, the decarburization is carried out in the same converter. Then the decarburization slag is left in the converter for reusing in the next heat. Due to the recycle of decarburization slag, the lime (mainly CaO) consumption and the waste slag emission can be markedly decreased. According to the report by Sasaki et al., the lime consumption is reduced by 40% compared with the conventional process during the entire converter blowing.2 As lime is produced by the calcination of limestone, in which CO2 is generated as by-product, and the reuse of decarburization slag can also save great amount of the heat energy, DSP can greatly reduce CO2 emissions.

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 seuil0,003

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 Opus0,004
Tête enseignante GPT0,190
Écart entre enseignants0,186 · 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

Citations1
Publié2022
Routes d'admission2
Résumé présentnon

Explorer davantage

Même sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207