MétaCan
Menu
Retour à la cohorte
Enregistrement W4400075399 · doi:10.1093/annweh/wxae035.253

263 Emission factors and fume generation rates of particles from various welding processes

2024· article· en· W4400075399 sur OpenAlexaff
Mozhgan Khaligh, Zaher Hashisho, Maximilien Debia, Doug Hamre, Gentry Wood, Bernadette Quémerais

Notice bibliographique

RevueAnnals of Work Exposures and Health · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and Detonation Processes
Établissements canadiensUniversité de MontréalUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWeldingMaterials scienceEnvironmental healthMetallurgyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Welding fumes are classified as a class 1 carcinogen, according to IARC. A conical chamber was built to determine emission factors and fume generation rates of particles from various welding processes. The chamber was calibrated according to the American Welding Society (AWS) standard F1.2:2013 and a high-volume air sampling pump was fixed to the top of the chamber to collect the fumes on 293 mm glass fibre filters located between the cone and the pump. Two welding processes were tested: gas metal arc welding (GMAW) and low power density laser beam welding (LLBW). Tests were performed using seven different types of consumables and different base materials. Consumables included ER70S-2, ER70S-6, ER70S-3, ER308L, ER316L, E316LSi, and ER5356 and the base materials included mild steel, stainless steel, and aluminium. Except for aluminium, which could not ne weld with this particular LLBW machine, the same consumables were used for GMAW and LLBW. Three levels of welding voltages in GMAW and power settings in LLBW were used for each type of consumable to see the effect of voltage and power on particle emission factors and fume generation rates. Additionally, differences between particle emission factors and fume generation rates from GMAW and LLBW for each consumable were compared. Emission factors and fume generation rates increased with increasing voltage/power. Although the fume generation rates were lower for LLBW than for GMAW, the emission factors were higher for LLBW.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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)0,0020,001

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 Opus0,113
Tête enseignante GPT0,347
Écart entre enseignants0,234 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Work Exposures and HealthMême sujetCombustion and Detonation ProcessesTravaux en français237 207