Proposed Test Protocol for Evaluating Internal Coating Systems for Railcar Sour Oil Applications
Notice bibliographique
Résumé
Abstract Crude oil is usually transported by pipelines from the production areas to refineries. However, in North America, particularly Canada, a significant amount of crude oil is transported via specially designed railcars. The internals of the railcars are typically coated with a high-quality coating system to prevent corrosion. Still, coating failures do occur due to the unique cyclic operating service conditions of the railcars. Thus, elevated temperatures are used to reduce fluid viscosity with a resultant increase in the vapor pressure while the loading of the oil in the railcars. Once loaded, the crude is transported under ambient temperature and pressure until the railcars reach their destination. During off-loading, elevated temperatures are again used for reducing the viscosity of the oil. After emptying the contents, the railcars are allowed to return to ambient conditions and sent back to the production area to repeat the loading, transportation, unloading cycle. Currently, there is no established test protocol to evaluate candidate coating systems for railcar internals under simulated operating conditions. Testing is usually done under a single set of operating conditions of loading or unloading and does not include the synergistic effect of the different temperature variations. This paper presents a detailed test protocol for evaluating candidate coating systems for railcar internals. The proposed test protocol was designed to simulate the expected service conditions of railcars using a modified NACE TM0185-2006 test procedure, “Evaluation of Internal Plastic Coatings for Corrosion Control of Tubular Goods by Autoclave Testing”. The modification includes the cyclic service condition of railcars – fuel loading, loaded transportation, off-loading, dry heat and empty transportation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».