MétaCan
Menu
Retour à la cohorte
Enregistrement W7161955995 · doi:10.82308/12761

Inhibition of carbon steel corrosion in closed-loop-water heating/cooling systems using sodium caprylate as an environmentally-friendly corrosion inhibitor

2017· dissertation· en· W7161955995 sur OpenAlexaboutno aff
Ipsita Bordoloi

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorrosionCarbon steelCorrosion inhibitorHigh-temperature corrosionPitting corrosion

Résumé

récupéré en direct d'OpenAlex

L'acier au carbone (AC) est couramment utilisé dans les systèmes de transport d'eau à cause de ses propriétés mécaniques exceptionnelles. Cependant, l'AC est très susceptible à la corrosion, et la corrosion uniforme est la forme de corrosion la plus commune qui l'affecte. Cette corrosion interne d'équipement en AC est la cause principale de défaillance des systèmes de chauffage/refroidissement à boucle fermée. Les paramètres de qualité d'eau comme la quantité de sels et gaz dissous, le niveau de pH, la température, et l'activité galvanique et microbienne affectent le taux de corrosion interne. Ainsi, il est important de réduire la corrosion interne de l'AC. Une façon courante de réduire la corrosion est d'utiliser des inhibiteurs de corrosion. Cependant, les inhibiteurs de corrosion commerciaux sont toxiques et la recherche actuelle est concentrée sur le développement d'inhibiteur de corrosion écologiques. L'objectif de cette thèse est d'investiguer la possibilité d'utiliser le caprylate de sodium (CS) comme inhibiteur de corrosion écologique pour les systèmes de chauffage/refroidissement à boucle fermée en utilisant de l'AC comme matériel de construction et l'eau courante de la ville de Montréal comme électrolyte sous des conditions variables: concentration de CS, température de l'eau, pH, et temps d'utilisation. Quatre techniques électrochimiques et la microscopie électronique à balayage ont été utilisées dans cette étude.Les résultats ont démontré que le CS a offert une efficacité d'inhibition de corrosion de 96% à une concentration de 10 Mm, un pH de 8, et à température ambiante (295 K). Cette efficacité d'inhibition dépend de la concentration du CS. Deux régions d'efficacité distinctes (basse/élevée) ont été identifiées, la nette transition entre les deux étant située entre 6.28 mM et 6.3 mM de CS dans l'eau. La transition correspondante d'un bas à haut niveau d'efficacité d'inhibition de corrosion peut être reliée à l'abrupt changement dans la concentration de surface et l'orientation du CS. Des expériences à températures variable ont démontré que le CS peut inhiber la corrosion de manière efficace jusqu'à une température s'élevant à 333K. L'inhibiteur peut également inhiber la corrosion dans une gamme de ph allant de 7 à 10. L'étude cinétique a démontré que l'adsorption du CS sur la surface d'AC était très rapide (moins que deux minutes). De plus, l'analyse de surface par microscopie électronique à balayage a démontré que, pour de l'AC préservé dans une solution de CS a 10mM pendant 30 jours à 295 K, la corrosion était négligeable relativement à un échantillon préservé dans une solution dépourvue d'inhibiteur. En conclusion, le CS peut être utilisé efficacement comme inhibiteur de corrosion pour les systèmes de chauffage/refroidissement en AC, pour des températures s'élevant jusqu'à 333 K.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,278
Écart entre enseignants0,258 · 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'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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCorrosion Behavior and InhibitionTravaux en français237 207