MétaCan
Menu
Retour à la cohorte
Enregistrement W4416931612 · doi:10.1002/cjce.70206

Effect of the additive concentration on the modification of petroleum coke and anode quality

2025· article· en· W4416931612 sur OpenAlexafffundvenue
Sena Öztürk, Duygu Kocaefe, Dipankar Bhattacharyay, Yaşar Kocaefe

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFiber-reinforced polymer composites
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAnodePetroleum cokeCokeRaw materialCarbon fibersWettingCoal tar

Résumé

récupéré en direct d'OpenAlex

Abstract Calcined petroleum coke is one of the major raw materials for anode manufacturing, which is used as the carbon source in electrolytic cells for primary aluminium production. It constitutes around 65%–70% of the anode recipe. Therefore, the quality of calcined coke has an important impact on anode quality, which affects the cost, energy efficiency, carbon consumption, and greenhouse gas emissions. Another main raw material for anode production is coal tar pitch. To enhance the anode quality, the interaction between these two components should be improved. The objective of this study is to investigate the effect of coke surface modification, and the amount of additive used on anode quality. An additive at different percentages was used to modify two different cokes. Aromatics and heteroatom‐containing functional groups of non‐modified and modified cokes were identified by FT‐IR and compared to see the effect of the additive concentration on anode quality. Wettability experiments were carried out using the sessile‐drop method since the wettability of coke by pitch and the anode quality are closely related. Anodes were produced and characterized using non‐modified and modified cokes. It was found that the amount of additive used must be adjusted to improve the anode quality.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,198

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 Opus0,005
Tête enseignante GPT0,204
Écart entre enseignants0,198 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetFiber-reinforced polymer compositesTravaux en français237 207