MétaCan
Menu
Retour à la cohorte
Enregistrement W4409500926 · doi:10.5006/c2024-20618

Corrosion Fatigue Performance of Materials in Delayed Cokers and Coker Blowdown Piping System

2024· article· en· W4409500926 sur OpenAlexaff
Haixia Guo, Millar Iverson, Simon Yuen, Sudeep Bohra, Liu Cao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Failure Analysis and Simulation
Établissements canadiensSuncor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésPipingBoiler blowdownCoker unitCorrosionMaterials scienceMetallurgyEngineeringMechanical engineeringCoke

Résumé

récupéré en direct d'OpenAlex

Abstract Very often the current body of knowledge and literature of fatigue performance in coke drums and blowdown piping system are linked to fatigue testing performed in air or in water. This paper summarizes the test results that were conducted using process fluids collected from a delayed coker. Both fatigue crack growth rate (FCGR) tests and stress/strain – cycle fatigue endurance tests in sour water at 200°F (93°C) or in a hot oil mix at 460°F (238°C), with gas mixture containing H2S were conducted. Carbon steel, Alloy 625 and their corresponding weld metal specimens were tested. The test results indicate remarkable impact of environment on fatigue behavior. Frequency scanning FCGR tests in sour water environment showed that FCGR increased with decreasing load frequency, particularly with high ΔK (32 ksi·√in or 35 MPa·√m). When ΔK was between 12 ksi·√in (13MPa·√m) and 36 ksi·√in (40 MPa·√m), FCGR of all specimens in sour water are higher than the mean + 2 SD (Standard Deviation) curve of carbon steel in air. Fatigue endurance tests in both sour water and hot oil environments showed various ranges of knock-down factors compared to test results in air. This testing program provides a better definition of the corrosion fatigue cracking mechanism of materials in delayed coker process. It also helps in the inspection planning of delayed coker equipment and in decisions on material selection.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,772
Score d'incertitude au seuil0,212

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,205 · 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'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMechanical Failure Analysis and SimulationTravaux en français237 207