SCC In-Field Inspection Technology Evaluation and its Application to EMAT Based Pipeline Integrity Management Programs
Notice bibliographique
Résumé
Most recently, as a complement to the ongoing efforts to monitor and document improvements in EMAT ILI technology, PRCI conducted an extensive study of NDE inspection technologies for characterizing SCC in pipelines using various in-ditch technologies and methods. The test pipes used for the study were cut outs from an operating pipeline where SCC features were identified and sized using EMAT ILI technologies. These are now sized with the NDE study and correlated with EMAT data to support an improvement of EMAT technology in characterizing SCC features. More importantly, the test pipes were burst tested to failure, with post failure analysis completed to fully characterize the crack features, including detailed length and depth measurements. This complete data set provides a comprehensive view of the current capabilities of NDE inspection technologies and EMAT ILI technologies to detect and characterize SCC and crack-like features. In this paper, the approach used for the evaluation of in-ditch NDE and EMAT ILI technologies is presented first. The in-ditch NDE technologies used for evaluation which were commonly used for SCC characterization are then described. SCC characterization results from in-ditch NDE and EMAT ILI are summarized and compared to those directly measured from fracture surfaces exposed by burst tests. The findings and its application to pipeline integrity management programs are 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 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) | 0,000 | 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 ».