MétaCan
Menu
Retour à la cohorte
Enregistrement W4312241201 · doi:10.1115/pvp2022-84153

Reliability Improvement Concept on Welded Lip-Seal Heat Exchanger Flange Joints

2022· article· en· W4312241201 sur OpenAlexaff
Simon Yuen, John Fernando, Jorge Penso, Henry Kwok, Duane Serate

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Structural Analysis Methods
Établissements canadiensSuncor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésFlangeSeal (emblem)GasketWeldingStructural engineeringJoint (building)Reliability (semiconductor)Pressure vesselFinite element methodStress (linguistics)Heat exchangerEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Lip-seal flange joints are commonly used in high-pressure heat exchanger design when there exists a significant temperature differential along the circumference of the heat exchanger flanges. This type of joint consists of two metal ring gaskets that are welded together to provide the necessary pressure seal. While conventional metal ring gaskets generally provide sufficient structural reliability, cracks have been reported to develop on the joints unexpectedly. This study investigates several special joint design features that aim to improve the reliability of such joints. Specifically, these features include machined pockets in the flange faces and weld overlay to house/constrain the lip-seal components, a self-alignment lip-seal feature, and tight fabrication tolerances. These improvement features mitigate thermal stresses on the lip-seal joints, thereby increasing the fatigue life of the joints. In addition, the self-alignment feature has the potential to aid in the optimization of field installation procedures. In the current work, the proposed improvement features are assessed using a series of FEA simulations to demonstrate their effectiveness. In particular, stress distributions at critical locations of the joint are compared between the new design and the conventional lip-seal design to quantify the relative improvement of the proposed design changes.

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 enseignants0,001
Score d'incertitude au seuil0,004

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 Opus0,013
Tête enseignante GPT0,243
Écart entre enseignants0,230 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEngineering Structural Analysis MethodsTravaux en français237 207