MétaCan
Menu
Retour à la cohorte
Enregistrement W4294415639 · doi:10.1002/cjce.24638

Investigation of the effect of presulphidation on coke deposition on <scp>25Cr‐35Ni</scp> alloy during ethane steam cracking

2022· article· en· W4294415639 sur OpenAlexvenueno aff
Somayeh Mohebi, Ali Darvishi, Shahin Hosseini, Akbar Bolhasani, Soroush Karamian, O. Dehghani, Faraz Khanbolouk

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat transfer and supercritical fluids
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCokeCrackingAlloyMetallurgyMaterials scienceFluid catalytic crackingDeposition (geology)Chemical engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The process of hydrocarbons cracking is carried out in the presence of heat‐resistant alloys Fe‐Ni‐Cr, which HP40 alloy (25Cr‐35Ni) has the most applications among olefin plants. Since these alloys naturally tend to form coke, the industry has always tried to reduce the coke formation by reducing the catalytic properties of the coils. In this research, the effect of dimethyl disulphide (DMDS) concentration (200–900 ppm) on the HP40 alloy of industrial coils at the presulphidation stage is evaluated. In the presulphidation stage, the alloy surface is in contact with sulphur in the absence of hydrocarbons, and this affects the amount of coke formation in the cracking process. Also, the surface composition and morphology of coke are identified using EDX and SEM analysis. These results showed that at the 500 ppm concentration of DMDS, coke deposition is minimized. Additionally, our findings indicated that coke morphology has not changed under different presulphidation conditions, and coke is still a filament type, but the size of the filaments has changed. Moreover, the study of HP40 composition in both preoxidized and presulphide stages shows that presulphidation reduces the amount of Fe and Ni in the coke layer significantly.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil0,428

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 recherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,176
Écart entre enseignants0,170 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetHeat transfer and supercritical fluidsTravaux en français237 207