MétaCan
Menu
Retour à la cohorte
Enregistrement W4409501998 · doi:10.5006/c2022-17506

3D Printing of Wear-Resistant Materials: A Review and Perspectives in Oil Sands Applications

2022· review· en· W4409501998 sur OpenAlexaff
Young Li, Duane Serate, S. Chiovelli, Simon Yuen, Darius Remesat, Brian Doucette, Billy Rideout, Dave Waldbillig, M. Ivey

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineEngineering
ThématiqueTunneling and Rock Mechanics
Établissements canadiensSyncrude (Canada)Suncor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésOil sands3D printingPetroleum engineeringMaterials scienceComputer scienceGeologyMetallurgyComposite materialAsphalt

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Additive manufacturing (AM) has received attention from the oil sands industry in recent years. Oil sands producers use AM technologies to fabricate parts with complex geometries that are difficult or impossible to make via conventional manufacturing. AM can also enable rapid iteration of design ideas and printing of prototypes directly from 3D CAD models quickly and cost-effectively. 3D printed cemented carbide and other wear-resistant materials have been investigated to improve operational reliability and reduce production costs. As AM is still in the early development stages, oil sands producers need to understand the capabilities and limitations of the various 3D printing processes available, comprehensively identify and validate suitable applications for their use. This paper reviews the current 3D printing technologies for making cemented carbide wear-resistant materials and emphasizes the potential applications, restrictions, and challenges of 3D printing applications in the oil sands industry.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,662

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,050
Tête enseignante GPT0,290
Écart entre enseignants0,239 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTunneling and Rock MechanicsTravaux en français237 207