MétaCan
Menu
Retour à la cohorte
Enregistrement W4409485441 · doi:10.5006/c2021-17019

Bitumen Natural Corrosion Inhibition for Canadian Heavy Oil Thermal Recovery Pipeline System

2021· article· en· W4409485441 sur OpenAlexaffabout
Arash Shadravan, Shaofeng Sun, Yao Xiong, Michael R. Whitehouse

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensImperial Oil (Canada)
Organismes subventionnairesnon disponible
Mots-clésCorrosionPipeline (software)Petroleum engineeringAsphaltPetroleumPipeline transportNatural gasEnvironmental scienceMetallurgyMaterials scienceWaste managementGeologyEngineeringComposite materialEnvironmental engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Recently to improve bitumen recovery efficiency at Cold Lake, diluent is started to be added into the production system. The objective of this study is to evaluate the impact of diluent addition on the integrity of Cold Lake pipeline system. Kilometers of this pipeline was operated without any corrosion inhibitor injection or major pipeline integrity challenges in the past 20-30 years. However, since failures in a pipeline system could pose financial and environmental risks, investigating the corrosion likelihood and its magnitude will be crucial in operating this pipeline and developing monitoring and mitigation programs. To achieve this milestone, we designed a corrosion experimental matrix and tested carbon steel samples coated with Cold Lake bitumen in pressurized autoclaves under aqueous sour environment simulating the pipeline conditions. Results show that the Cold Lake Bitumen effectively protects the pipeline from general corrosion. Despite the higher percentage of diluent combined with the effect of shear leading to partial dissolution of the Cold Lake bitumen coat, only low localized corrosion rate was observed in the laboratory.

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)0,000
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 enseignants0,940
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,234
Écart entre enseignants0,220 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCorrosion Behavior and InhibitionTravaux en français237 207