MétaCan
Menu
Retour à la cohorte
Enregistrement W2017455402 · doi:10.1115/ipc2006-10537

Methodology to Develop Fitness-for-Service Assessments for Crack Detection In-Line Inspection Data

2006· article· en· W2017455402 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueVolume 2: Integrity Management; Poster Session; Student Paper Competition · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensSuncor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésReliability engineeringPipeline transportIntegrity managementReliability (semiconductor)Pipeline (software)Service (business)CriticalityEngineeringRisk assessmentComputer scienceRisk analysis (engineering)PrioritizationProcess (computing)Construction engineeringComputer securityMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Implementation of Integrity Management Programs (IMP) for pipelines has motivated the design of Fitness-For-Service methodologies to assess Stress Corrosion Cracking (SCC) and fatigue-dependent features reported by Ultrasonic Crack Detection (UTCD) In-Line Inspections. The philosophical approach defined by the API 579 [1] “Fitness-For-Service” from the petrochemical industry in conjunction with Risk-based standards and regulations (i.e. CSA-Z662-2003 [2] and US DOT 49 Parts 192 [3] and 195 [4]) and in-line inspection validation (i.e. API 1163 [5]) approaches from the pipeline industry have provided the engineering basis for ensuring the safety, reliability and continued service of the in-line inspected pipelines. This paper provides a methodology to develop short and long-term excavation and re-inspection programs through a four (4) phase-process: Pre-Assessment, Integrity Criticality Assessment, Remediation and Repair, Remaining Life Extension and In-Service Monitoring. In the first phase, Pre-assessment, areas susceptible to Stress Corrosion Cracking (SCC) and fatigue-dependent features are correlated to in-line inspection data, soil modeling, pipeline and operating conditions, and associated consequences in order to provide a risk-based prioritization of pipeline segments and technical understanding for performing the assessment. The second phase, Integrity Criticality Assessment, will develop a short-term maintenance program based on the remaining strength of the in-line inspection reported features previously correlated, overlaid and risk-ranked. In addition, sites may be identified in Phase 1 for further investigation. In the third phase, a Remediation and Repair program will undertake the field investigation in order to repair and mitigate the potential threats as well as validating the in-line inspection results and characterization made during the Pre-assessment and Integrity Criticality Assessment (Phases 1 & 2). With the acquired knowledge from the previous three (3) phases, a Remaining Life Extension and In-Service Monitoring program will be developed to outline the long-term excavation and re-inspection program through the use of SCC and Fatigue crack growth probabilistic modeling and cost benefit analysis. The support of multiple Canadian and US pipeline operating companies in the development, validation and implementation of this methodology made this contribution possible.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,069
Tête enseignante GPT0,354
Écart entre enseignants0,285 · 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