MétaCan
Menu
Retour à la cohorte
Enregistrement W7128736107 · doi:10.5281/zenodo.18619979

Impact on refractory lining due to the transition from carbon-based fuels and reductants to hydrogen: separating myths from facts

2024· article· en· W7128736107 sur OpenAlexaff
Daniela Gavagnin, Efstathios Kyrilis, Lukas Konrad, Marcel Spreij, Erick Estrada Ospino

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIron and Steelmaking Processes
Établissements canadiensRHI Magnesita (Canada)
Organismes subventionnairesnon disponible
Mots-clésSyngasHydrogenNatural gasCoalRefractory (planetary science)Coal gasificationGreenhouse gasIndustrial gas

Résumé

récupéré en direct d'OpenAlex

The global drive to significantly reduce greenhouse gas emissions is pushing industries to adopt hydrogen as both a reducing agent and fuel for high-temperature processes. While some knowledge exists on the impact of hydrogen-rich reducing atmospheres on refractory linings from established industrial processes like glass manufacturing, ammonia or syngas synthesis, and natural gas-based direct reduced iron (DRI), the use of hydrogen as a reductant for iron production is gaining traction as a key solution for the steel industry's transition to net-zero emissions. This involves using hydrogen in small percentages to replace coal in blast furnaces and, more significantly, substituting natural gas with hydrogen in the DRI process, potentially up to 100 %. Moreover, the growing demand for fossil-free fuels has spurred the development of innovative and optimized hydrogen and syngas generation technologies.While new and established processes differ in their specific conditions, there is a limited amount of information available in the literature about the long-term effects of hydrogen-rich atmospheres on refractories. Recent studies have yielded contradictory results compared to earlier research, making it challenging to discern myths from facts and accurately assess the performance and lifespan of refractory linings in these environments. This presentation aims to share fact-based findings from ongoing research and our experience in various industries, providing insights into the impact of hydrogen on refractory linings as a function of process conditions and testing parameters.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,256
Écart entre enseignants0,233 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetIron and Steelmaking ProcessesTravaux en français237 207