MétaCan
Menu
Retour à la cohorte
Enregistrement W85850439 · doi:10.5006/c2009-09170

Corrosion of Ceramic Bed in Regenerating Thermal Oxidizers

2009· article· en· W85850439 sur OpenAlexaff
Valeri Mandroussov, Alex Nadezhdin, Rodney J. Schwartz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensNorbord (Canada)
Organismes subventionnairesnon disponible
Mots-clésCorrosionMaterials scienceCeramicMetallurgyThermal

Résumé

récupéré en direct d'OpenAlex

Abstract Regenerating thermal oxidizers (RTO) are widely used across the US to destroy fugitive emissions from wood-processing plants and other industries. The use of ceramic beds in order to store and recover significant portions of the heat energy used for oxidizing the exhaust gas-fuel mix allows achieving up to 97% thermal efficiency. Dryers of wood chips in a typical wood processing plant are usually heated by burning wood-based biomass material. Some of the ash from the combustion is transported through the dryer and filtration devices making its way into the RTO and associated ceramic heat exchange beds. In addition, small wood particles entrained in the dryer exhaust gas escape capture as well and end up being burned inside the ceramic bed contributing to the total ash loading to the RTO. This ash typically contains Sodium and Potassium salts, which when exposed to high temperatures of the upper portions of the heat recovery bed and combustion chamber, can react with the ceramic materials contributing to their deterioration within a relatively short service period. The paper discusses factors responsible for the deterioration of the ceramic material within the heat recovery bed and in particular, the effects of temperature. It describes methods of semi-quantitative evaluation of the rate and extent of deterioration, which can be used to predict the time for changing the media.

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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,255
Écart entre enseignants0,244 · 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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCatalytic Processes in Materials ScienceTravaux en français237 207