MétaCan
Menu
Retour à la cohorte
Enregistrement W4388984248 · doi:10.32339/0135-5910-2021-12-1227-1238

FORECASTING OF INDUSTRIAL COKE QUALITY AT JSC EVRAZ NTMK BASED ON DATA OF PASSIVE INDUSTRIAL EXPERIMENT

2022· article· en· W4388984248 sur OpenAlexaff
Yu. A. Zolotukhin, Н. А. Беркутов, V. V. Kuprygin, S. N. Kupriyanova

Notice bibliographique

RevueFerrous Metallurgy Bulletin of Scientific Technical and Economic Information · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueCoal and Coke Industries Research
Établissements canadiensEVRAZ (Canada)
Organismes subventionnairesnon disponible
Mots-clésCokeQuenching (fluorescence)Process engineeringQuality (philosophy)Environmental scienceMetallurgyEngineeringWaste managementMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

A methodological approach to the processing of data of a passive industrial experiment on charge coking at the coking plant of EVRAZ NTMK JSC using a sample (general) matrix, rather than the entire data array, which takes into account various multilevel values of the factor of influence on M25 and M10 of coke ‒ a complex indicator of charge coking capacity (CCIVo) is presented, which provides sufficiently wide changes in the response functions (M25/M10) with a symmetric matrix, excluding the predominance of any one range of values of the CCIVo and М25/М10 indices. On the basis of the proposed approach to the processing of the actual reporting data of industrial coking of charges on batteries No. 5‒6 (wet quenching) and No. 9‒10 (dry quenching) (passive industrial experiment), adequate mathematical models were obtained for predicting the quality of industrial coke for wet and dry quenching (M25/M10) on the properties of coal charges (CCIVo) under the existing modes of their preparation and coking in batteries No. 5‒6 and No. 9‒10. Verification of the accuracy of the obtained mathematical models for predicting the quality of wet and dry quenched coke (M25/M10) on a large actual material of industrial coking in batteries No. 5‒6 (62 coking operations) and No. 9‒10 (58 coking operations) showed high enough for practical use accuracy of the forecast of indicators M25 and M10 of industrial coke of wet and dry quenching.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,155
Tête enseignante GPT0,297
Écart entre enseignants0,142 · 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'étudeObservationnel
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 revueFerrous Metallurgy Bulletin of Scientific Technical and Economic InformationMême sujetCoal and Coke Industries ResearchTravaux en français237 207