MétaCan
Menu
Retour à la cohorte
Enregistrement W1997182328 · doi:10.1115/ipc2014-33579

Large Scale Test Apparatus to Test External Leak Detection Technologies

2014· article· en· W1997182328 sur OpenAlexafffund
Chris Apps, Istemi F. Ozkan, Tania Rizwan, Marzie Derakhshesh, Scott Medynski

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensNational Research Council Canada
Organismes subventionnairesWestern Economic Diversification Canada
Mots-clésLeak detectionPipeline transportLeakTrenchRobustness (evolution)Computer scienceReliability (semiconductor)Reliability engineeringEngineeringMechanical engineeringLayer (electronics)Materials science

Résumé

récupéré en direct d'OpenAlex

When it comes to evaluating traditional computational leak detection technologies pipeline operators have a suite of simulated testing methods available. In the last several years however External Leak Detection Technologies have become more mature and potentially could provide operators with another layer of leak detection with more sensitivity than seen in traditional methods. The challenge with these technologies is in the evaluation of their sensitivity, reliability, and robustness. ENBRIDGE INC (Enbridge) and C-FER Technologies 1999 Inc. (C-FER) begun a comprehensive study to assess the state-of-the-art external, continuously distributed sensors for leak detection in early 2012. Initially, a technology review was undertaken to identify commercial, off-the-shelf technologies with the potential to detect small leaks of oil from buried pipelines. From this literature review, four technologies were identified; Distributed Temperature Sensing (DTS), Distributed Acoustic Sensing (DAS), Vapor Sensing Tubes (VST), and Hydrocarbon Sensing Cables (HSC). All four methods require proprietary materials and technology, which have had limited independent testing efforts to date. To evaluate these four leak detection methods and their vendors in an objective way, Enbridge and C-FER initiated the design and construction of a large-scale External Leak Detection Experimental Research apparatus (ELDER) that can accommodate a full-size segment of pipeline within a trench, at the same scale used in pipeline construction in North America. An instrumented pipe segment is buried in the trench with sensing cables laid alongside. The apparatus generates leaks with controlled variables including rate, pressure and temperature, and at various locations to accurately represent pipeline leaks. This paper summarizes the literature review on the four selected leak detection technologies that were identified as candidates for large-scale evaluation. The discussion will also include features of the ELDER apparatus, and re-engineered pipeline construction techniques that were required to accurately represent a full-scale pipeline trench within a laboratory environment.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,223
Écart entre enseignants0,215 · 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

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNon-Destructive Testing TechniquesTravaux en français237 207