MétaCan
Menu
Retour à la cohorte
Enregistrement W4396229079 · doi:10.1002/srin.202300701

Slag Electrical Conductivity and Its Effect on Mass Transport and Interfacial Reaction Kinetics

2024· article· en· W4396229079 sur OpenAlexaff
Jayasree Biswas, Parsa K. Hazaveh, Kenneth S. Coley

Notice bibliographique

Revuesteel research international · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMass transportElectrical resistivity and conductivityKineticsMaterials scienceConductivitySlag (welding)ThermodynamicsChemical engineeringComposite materialChemistryPhysical chemistryEngineering physicsElectrical engineeringPhysicsEngineeringClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Pyrometallurgical refining typically involves slag–metal reactions which are commonly controlled by transport of reactants in the slag or metal phase. For the simplicity of analysis, mass transport in slag is generally treated on a phenomenological basis as transport of molecules. Although this approach works well for many of the reaction systems over narrow ranges of conditions, it can fail when extrapolated over a wide range of conditions. In many refining processes, transport of oxygen in slag determines the kinetics of major reactions. Transport of oxygen in slag is strongly influenced by the electrical conductivity of slag. Whilst this has been well understood since the 1950s, there have been relatively few attempts to quantify the effects of slag electrical properties on the refining kinetics. Herein, an overview is presented focusing on the electrical properties of slags and their effects on the transport kinetics in steelmaking reactions. An analysis is conducted based on a modified version of the approach taken by Wagner to describe oxygen transport in solid oxides. Data from the literature including work from the authors’ laboratory is discussed in an evaluation of literature oxygen transport in CaO–SiO 2 –Fe t O, CaO–SiO 2 –Al 2 O 3 –Fe t O, and PbO–Fe 2 O 3 slags.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,320

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 recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,337
Écart entre enseignants0,301 · 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'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuesteel research internationalMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207