MétaCan
Menu
Retour à la cohorte
Enregistrement W1966105912 · doi:10.1061/(asce)1076-0342(2010)16:1(73)

Probability of Failure Analysis due to Internal Corrosion in Cast-Iron Pipes

2010· article· en· W1966105912 sur OpenAlexafffund
Hamid Yamini, Barbara J. Lence

Notice bibliographique

RevueJournal of Infrastructure Systems · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete Corrosion and Durability
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of British Columbia
Mots-clésCorrosionMonte Carlo methodCast ironMaterials scienceChlorineReliability (semiconductor)MetallurgyMathematicsPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

In cast-iron pipes, chlorine consumption due to internal corrosion is high compared with consumption caused by other water-quality factors in such systems and may be considered as an approximate indicator of the rate of internal corrosion. Herein, a relationship is developed that determines the rate of internal corrosion as a function of the chlorine concentration, the chlorine decay constant, and the velocity of the water in a pipe segment with a given length and diameter. These factors may be considered uncertain at any given time and the probability of mechanical failure due to the thinness of the pipe wall caused by internal corrosion throughout the pipe life is estimated using Monte Carlo simulation, the first-order reliability method, and the second-order reliability method to account for these uncertainties. The results indicate that the likelihood of failure is nearly 50% by the 80th year for a cast-iron pipe length of 6 m and a diameter of 203 mm, and that the affect of internal corrosion on the pipe wall thickness and thus mechanical failure is lower than, but on the same order of magnitude as, the effect of external corrosion.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,005
Tête enseignante GPT0,209
Écart entre enseignants0,204 · 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'étudeSimulation ou modélisation
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

Citations22
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Infrastructure SystemsMême sujetConcrete Corrosion and DurabilityTravaux en français237 207