MétaCan
Menu
Retour à la cohorte
Enregistrement W4408150946 · doi:10.3390/met15030278

Review of the Properties and Degradation Mechanisms of Refractories in Aluminum Reduction Cells

2025· article· en· W4408150946 sur OpenAlexafffund
Mohamed Hassen Ben Salem, Gervais Soucy, Daniel Marceau, Antoine Godefroy, Sébastien Charest

Notice bibliographique

RevueMetals · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueBauxite Residue and Utilization
Établissements canadiensUniversité du Québec à ChicoutimiAluminerie Alouette (Canada)Université de Sherbrooke
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésCryoliteRefractory (planetary science)DurabilityAluminosilicateRefractory metalsMaterials scienceDegradation (telecommunications)AluminiumEnvironmental scienceMetallurgyComposite materialComputer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

This review examines the degradation of refractory materials in aluminum reduction cells, focusing specifically on contamination caused by the cryolite-based bath. Aluminosilicate refractories, particularly Ordinary Refractory Bricks, play a vital role in maintaining the structural integrity and thermal balance of these cells under demanding operational conditions. The interaction between the molten bath and refractory linings leads to chemical reactions and mineralogical changes that modify the mechanical and thermal properties of the material over time. The study integrates findings from industrial autopsies, laboratory experiments, and a comprehensive review of the existing literature to identify and analyze the mechanisms of degradation. By analyzing the findings obtained from these methodologies, this review explores how cryolitic infiltration triggers transformations that compromise performance and reduce the lifespan of refractory linings. Covering a broad temperature range (665–960 °C), the study addresses key challenges in understanding bath-induced contamination and provides insights into how to improve the durability and efficiency of refractory materials in aluminum production.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,221
Écart entre enseignants0,202 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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 revueMetalsMême sujetBauxite Residue and UtilizationTravaux en français237 207