MétaCan
Menu
Retour à la cohorte
Enregistrement W4407560011 · doi:10.1021/acs.iecr.4c04722

Impact of Gas Flux on Fines Deposition during the Hydrotreating of Light Gas Oil in a Trickle-Bed Reactor

2025· article· en· W4407560011 sur OpenAlexafffund
Simon Kwao, V. Sundaramurthy, Ajay K. Dalai, John Adjaye

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis and Hydrodesulfurization Studies
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSyncrudeUniversity of Saskatchewan
Mots-clésHydrodesulfurizationFlux (metallurgy)Deposition (geology)Fossil fuelEnvironmental scienceFuel oilTrickle-bed reactorChemical engineeringPetroleum engineeringMaterials scienceWaste managementChemistryCatalysisGeologyEngineeringMetallurgyOrganic chemistrySediment

Résumé

récupéré en direct d'OpenAlex

Fines deposition is a perennial problem in the hydrotreating industry. It results in reactor fouling and pressure drop build-up, leading to premature reactor shutdown. This study investigated the impact of gas flux, a key hydrotreating parameter, on fines deposition. Cold and hot flow accelerated fines deposition tests were conducted using three-zone reactor units under varying gas-to-oil ratios (GOR) of 300, 600, and 900 v/v, representing low, medium, and high gas flux conditions, respectively. The hot flow tests revealed that maximum fines deposition occurred in 26, 15, and 10 days for low, medium, and high gas flux tests, respectively. Thus, increasing gas flux increased the rate of fines deposition, and this was ascribed to a combination of flocculation, sedimentation, and inertial impaction mechanisms. Based on the findings, cautiously reducing the gas flux could be a potential strategy to minimize fine deposition and enhance reactor efficiency during hydrotreating.

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)0,001
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 enseignants0,074
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,033
Tête enseignante GPT0,311
Écart entre enseignants0,278 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetCatalysis and Hydrodesulfurization StudiesTravaux en français237 207