Preparation for Cost Effective Decommissioning and Abandonment of Subsea Pipelines
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Decommissioning activity will increase in the next nine years with a predicted £1.3 billion spent on decommissioning of subsea pipelines and associated subsea infrastructure in the North Sea from 2014-2023 [REF 1]. Detailed preparation prior to the Cessation of Production (CoP) may significantly reduce this cost. Savings can be made during late in life operations on the platform and preliminary decommissioning planning. A Comparative Assessment tool assists the project team in selecting the most preferred decommissioning and abandonment option for subsea pipelines by using criteria such as safety, environmental factors, technical feasibility, economics and societal issues. These are then ranked by priority through matrix algebra. The introduction of new technology and advanced planning for decommissioning campaigns are the solutions for cost reduction, such as: Several applicable technologies and research areas are recommended as topics for further development, such as laser cutting, subsea lift claws and cutters and long-term effects of pipelines on fish habitats.A thorough checklist to incorporate decommissioning during the design phase would ensure decommissioning is given as much emphasis as input from the operations and maintenance teams during this important phase.Primary cost drivers are identified and include long term liability, cleanliness standards and national requirements for making the pipelines safe for potential re-use.Pipeline preservation for future use and/or leaving pipelines in place are the most cost effective solutions for pipeline decommissioning and if regulatory requirements change where pipelines must be removed, decommissioning costs could skyrocket.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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