Sakkakirjasto: alkuaineanalyysit ja liuotuskokeet
Bibliographic record
Abstract
Tämä opinnäytetyö tehtiin Suomen KL-Lämpö Oy:lle, joka palvelee energian valmistukseen, sen siirtoon ja käyttöön liittyvissä vedenkäsittelytarpeissa. Opinnäytetyö oli toinen, kahteen opintotyöhön jaetusta kokonaisuudesta. Toisen opinnäytetyön teki Tapani Latvala. Opinnäytetöiden yhteisenä aiheena oli luoda sakkakirjasto, joka helpottaa valitsemaan sopivimman peittauskemikaalin, kun halutaan puhdistaa lämmönsiirtolaitteissa olevaa korroosiotuotetta tai kerrostumia (esim. kalkkikerrostumia) eli sakkaa. Tavoitteena oli luoda toimiva sakkakirjasto, joka perustuu sakan alkuainekoostumuksen määrittelyyn ja siihen miten eri peittauskemikaalit liuottavat sakkoja ja mitkä näistä peittauskemikaaleista saattavat aiheuttaa korroosiota eri metallipinnoille. Tämä opinnäytetyö sisälsi sakkojen alkuainekoostumuksen määrittelyt ja sakkojen liuotuskokeet. Sakkojen alkuaineanalyysit ja kolmiulotteiset mikroskooppikuvat teetettiin Tampereen teknilliseltä yliopistolta (TTY). Sakkanäytteistä määritettiin alkuaineet ja niiden pitoisuudet pyyhkäisyelektronimikroskoopissa (SEM) olevan energiadispersiivistä menetelmää (EDS) käyttävän alkuaineanalysaattorin avulla. Liuotuskokeet suoritettiin ns. sokkokokeina eli kirjallisuutta ei käytetty hyväksi kokeiden aikana. Liuotuskokeissa sakkoja liuotettiin Suomen KL-Lämmön valmistamiin peittauskemikaaleihin. Peittauskemikaalien tuotenimiä ei mainita opinnäytetyössä. Suurin osa tutkimukseen valituista sakoista oli joko kalsium-, rauta- tai titaanipitoista sakkaa. Liuotuskokeissa mikään sakoista ei liuennut täysin yhteenkään peittauskemikaaliin. Happopohjaiset peittauskemikaalit liuottivat osittain sakkoja. Kalsiumsakkoja liuottivat parhaiten peittauskemikaalit 1 ja 2 ja rautasakkoja liuottivat peittauskemikaalit 4, 5 ja 6. Koska liuotuskokeiden tulokset perustuvat visuaaliseen määrittämiseen, ei niitä voida pitää täysin luotettavina. Luotettavampia tuloksia on mahdollista saada tekemällä liuotuskokeiden jälkeen liukenemattomalle sakalle imusuodatus, kuivaus ja punnitus. Punnittu sakka lähetetään takaisin TTY:lle analysoitavaksi, jotta saadaan tietää, mitä alkuaineita tietty peittauskemikaali liuotti.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.110 | 0.052 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".