Pipeline Sludge Sampling for Assessing Internal Corrosion Threat
Notice bibliographique
Résumé
Internal corrosion sometimes occurs under deposits of solid particles on the bottom of transmission pipelines. The solids trap water with soluble products and other nutrients which can support the development of microbial communities and may lead to Microbiologically Influenced Corrosion (MIC). Corrosion processes associated with the metabolic activities of specific bacteria have been discussed elsewhere, but the simple presence of large microbial populations may increase the risk of internal corrosion owing to the ability of biofilms to extract and concentrate water at the pipe floor. As a method to monitor the internal corrosion threat in transmission pipelines and recommend mitigating activities for corrosion management, reliable microbial content and corrosion activity correlations are desired. Sludge samples have been obtained from cleaning pigs at the pipe trap and analyzed using Biological Activity Reaction Test (BART™) (or serial dilution test), Dean-Stark analysis, XRD and EDX. These tests provide information about certain bacterial populations, water / solid / hydrocarbon content, and crystalline/elemental composition of these solids, respectively. Despite best efforts, bacterial population/activity of pipeline sludge samples exhibit high variability and are difficult to correlate to actual internal corrosion in a pipeline. Considering that bacterial populations in pipeline sludge may be a meaningful representation of the internal corrosion threat to a transmission pipeline, a more rigorous approach on the sludge sampling procedure is necessary to improve the accuracy and reliability of the bacterial assays. It is also important to control such variables as storage temperature of the samples, exposure to air, and storage duration prior to enumeration — as these may affect the viability of the sample and enumeration results. This report presents historical pipeline sludge analysis data and suggests a method to evaluate data containing high variability. Practical recommendations to reduce data variability through handling and storage of sludge samples are also discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».