Development of a FAD-Based Girth Weld ECA Procedure: Part I — Theoretical Framework
Notice bibliographique
Résumé
Beginning in the late 1970’s and early 1980’s, “alternative defect acceptance criteria” were adopted in various codes and standards in the pipeline industry. These criteria relate the tolerable defect sizes with the magnitude of loads and materials’ resistance to failure. They allow engineers to assess the suitability of the pipes containing defects for intended service conditions, or fitness-for-service. Assessments based on the fitness-for-service principles are often referred to as Engineering Critical Assessment, or ECA. Although most of these codes are based on fracture mechanics principles, the defect tolerance levels vary significantly from code to code. This paper describes a two-year effort funded by PRCI (Pipeline Research Council International) to develop an ECA procedure specifically tailored to pipeline girth welds. The newly developed procedure is in FAD (failure assessment diagram) format. The key features of this procedure are provided in this paper. Based on prior research and extensive experimental data analysis, a modified Miller plastic collapse solution was selected for its rigorous formulation and good agreement with full-scale test results. The effects of weld strength mismatch on plastic collapse load (limit load) were examined and validated through finite element (FE) analysis. Parametric formulae of mismatch correction factors to the plastic collapse solution were adopted. The stress intensity factor solutions of finite-length surface-breaking defects in girth welds were developed and validated. Failure assessment curves (FACs) for girth weld defects were generated. These curves incorporated the effects of material’s strain hardening rate and defect size. They are more accurate than some of the generic material and defect independent FACs, yet easy to use.
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 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».