MétaCan
Menu
Retour à la cohorte
Enregistrement W1995889332 · doi:10.1115/ipc2004-0244

Selection of External Coatings for Northern Pipelines: Laboratory Methodologies for Evaluation and Qualification of Coatings

2004· article· en· W1995889332 sur OpenAlexaff
Sankara Papavinasam, R. Winston Revie, Michael Attard

Notice bibliographique

Revue2004 International Pipeline Conference, Volumes 1, 2, and 3 · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésPipeline transportPipeline (software)Computer scienceEnvironmental scienceSelection (genetic algorithm)Construction engineeringFocus (optics)Civil engineeringMarine engineeringForensic engineeringEngineeringMechanical engineeringEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

In the near future, the construction of northern pipelines for transmission of natural gas will begin in North America. Construction in the harsh northern climate, with temperatures as low as −45°C, and remote location will impose unique challenges with respect to protective coatings. It is critical that the design of coatings be adequate to protect the pipelines under long-term, severe environmental conditions, including the extreme climatic conditions that will apply in the North before the pipe is installed and operation begins. There are many quality coatings from which to choose for application on new pipelines. The main issue is in understanding how to select and use coatings on pipelines in new regimes (e.g. Northern pipelines), which may operate in a different environment than do existing pipelines. Uniform, standardized tests that would simulate the conditions during construction and operation of Northern pipelines will allow external pipeline coatings to be selected with confidence regarding anticipated long-term performance under operational conditions. Selection of mainline coatings is important, but there is also a need to focus on field-applied coatings for both repairs and joints. Methodologies and standards that are available to evaluate coatings are reviewed in this paper.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,041
Tête enseignante GPT0,324
Écart entre enseignants0,282 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2004 International Pipeline Conference, Volumes 1, 2, and 3Même sujetStructural Integrity and Reliability AnalysisTravaux en français237 207