MétaCan
Menu
Retour à la cohorte
Enregistrement W2013004245 · doi:10.1115/ipc2006-10496

An Updated Cooling Rate and Microstructure Model for Pipeline In-Service Hot-Tap Welds

2006· article· en· W2013004245 sur OpenAlexaff
Yaoshan Chen, Yong-Yi Wang, David Horsley

Notice bibliographique

RevueVolume 3: Materials and Joining; Pipeline Automation and Measurement; Risk and Reliability, Parts A and B · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensTransCanada (Canada)
Organismes subventionnairesnon disponible
Mots-clésWeldingPipeline (software)Materials scienceFinite element methodGenerator (circuit theory)Heat transferMicrostructureContinuous cooling transformationMechanical engineeringThermalNuclear engineeringSoftwareComputer scienceMetallurgyMechanicsStructural engineeringEngineeringAusteniteThermodynamicsBainitePower (physics)Physics

Résumé

récupéré en direct d'OpenAlex

This paper describes an improved numerical model for the predictions of cooling rate and heat-affected-zone (HAZ) hardness for welding onto an in-service pipeline. Compared to the current PRCI thermal analysis software, the improvements in this new model include a new mesh generator for the heat transfer finite element procedure and a dynamically-coupled microstructure model that features a state-of-the-art phase transformation and hardness calculation algorithms. The new mesh generator is capable of producing finer mesh than that in the current PRCI thermal analysis software, particularly in the HAZ region so more accurate temperature field can be captured for the hardness calculation. To validate the implementation of these improvements in the model, previous measurements by Battelle and EWI have been collected and compared to the predicted results by the new model. These measurements include cooling times from 800°C to 500°C (t8/5) for both sleeve and branch configurations, and hardness in the HAZ for some of the sleeve configurations.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,201 · 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'étudeSimulation ou modélisation
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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 3: Materials and Joining; Pipeline Automation and Measurement; Risk and Reliability, Parts A and BMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207