Application of an integrated approach based on multi‐objective preference in the design and performance evaluation of efficient defoamers
Notice bibliographique
Résumé
Abstract A probability‐based approach for multi‐objective optimization is employed to develop efficient defoamers, addressing the challenges of drilling fluid foaming and the complex task of synergistically optimizing multiple performance indices of existing defoamers. An L 16 (4 3 ) orthogonal array (comprising 16 experimental runs with 3 factors at 4 levels each) is selected for the optimization process. The evaluation factors include the ratio of polyoxyethylene polyoxypropylene glycerol polyether (GPE) to polypropylene glycol (PPG), reaction temperature, and reaction time. The evaluation indicators encompass the stationary defoaming time and density recovery of freshwater and saline slurries at both room and elevated temperatures. Each performance indicator is classified as either favourable or unfavourable. Partial and total preference probabilities are calculated for each attribute. The optimal preparation plan is identified through screening, yielding a GPE:PPG ratio of 1:1, a reaction temperature of 80°C, and a reaction time of 2 h. Experimental results demonstrate that the defoamer effectively eliminates foam in drilling fluids at dosages ranging from 0.2% to 0.3%, outperforming typical commercially available defoamers. The defoamer achieves a density recovery rate exceeding 81% for both freshwater and saline slurries at room and high temperatures. Characterization via infrared spectroscopy, thermal stability assessments, and fluorescence testing confirms that the defoamer retains excellent performance under the complex working conditions encountered in drilling fluids, showcasing strong adaptability.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».