Analytical Approach to Determine Hydrotest Intervals
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
Many gas pipeline operators use hydrotesting as a means of managing stress corrosion cracking in pipelines. Historically the interval at which the pipelines are hydrotested is largely empirical. If for instance a failure occurred on a pipeline section four years after a hydrotest, then four years would become the baseline interval. As failures are rare, these worst-case intervals are often applied across the system with little consideration to the many factors that would affect the relevant interval for different pipelines. This can result in an overly conservative frequency of hydrotests. In IPC 2006 an analytical method of determining hydrotest intervals, based on a time vs. pressure plot, was developed and published by Fessler et al. The study conducted herein examines this method, its assumptions, applicability, and limitations, with regards to an in-service pipeline system. It also discusses how this method was adapted to account for variable crack growth rates and failures. Application of this adapted method to the pipeline system and its results are discussed. It was found that this method could be used to predict hydrotest intervals for in-service pipelines. An additional method of using crack assessments with certain growth characteristics to develop hydrotest intervals is also presented. This method incorporated crack failure prediction calculations, and estimated crack growth rates, to predict hydrotest intervals. The results and the limitations are critically examined. Practical ways of improving the methods and ongoing work to improve the method are also explained.
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) | 0,003 | 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 découle