MétaCan
Menu
← Retour à la cohorte
Enregistrement W4409503055 · doi:10.5006/c2014-4427

Opportunities for Polymer Materials in Oil Sands Applications

2014· article· en· W4409503055 sur OpenAlexaffabout
John Wolodko, Ben Fotty, Thomas Perras

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensAlberta Innovates
Organismes subventionnairesnon disponible
Mots-clésPolymerMaterials sciencePetroleum engineeringOil sandsMetallurgyComposite materialForensic engineeringGeologyAsphaltEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The Alberta oil sands are one of the world’s richest reserves and offer significant potential for future growth. Compared to conventional oil, however, oil sands production has unique challenges in terms of materials selection and long-term performance. The recovery and upgrading of Alberta’s oil sands are complicated processes characterized by environments with severe corrosive and abrasive conditions. Operation under these harsh conditions results in significant maintenance and infrastructure replacement costs. Innovation in materials technologies and improved selection practices are seen as a potential way to prolong equipment life and lower these high maintenance costs. In many cases, polymers or composites are suitable alternatives to current materials used in the oil sands. There is a disconnect, however, between the oil sands operators and suppliers of polymer products with regard to the identification of these opportunities. This paper provides a general overview of various oil sands recovery and upgrading processes, and outlines areas where polymers and composites could be effectively utilized. Additionally, case studies are provided which highlight successful applications in current oil sands operations.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,021
Tête enseignante GPT0,204
Écart entre enseignants0,183 · 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'étudeThéorique ou conceptuel
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
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDrilling and Well Engineering→Travaux en français237 207→