MétaCan
Menu
Retour à la cohorte
Enregistrement W2038101035 · doi:10.1115/icone17-75897

The Impact of Flow Accelerated Corrosion (FAC) on Feeder Life Cycle Management

2009· article· en· W2038101035 sur OpenAlexafffund
Mahesh D. Pandey, Mikko I. Jyrkama, E. M. Lehockey

Notice bibliographique

RevueVolume 1: Plant Operations, Maintenance, Engineering, Modifications and Life Cycle; Component Reliability and Materials Issues; Next Generation Systems · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensOntario Power GenerationUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity Network of Excellence in Nuclear Engineering
Mots-clésPipingProbabilistic logicService lifeThinningFlow (mathematics)Process (computing)Environmental scienceEngineeringReliability engineeringStructural engineeringComputer scienceMechanical engineeringMechanics

Résumé

récupéré en direct d'OpenAlex

Wall thinning of outlet feeder piping by flow accelerated corrosion (FAC) is a serious form of degradation affecting some CANDU® stations. The general and localized loss of wall thickness is typically highest at or near welds and changes in pipe geometry due to increased velocity or turbulence. While the process is not a high safety concern because catastrophic failure is unlikely, feeder wall thinning may result in significant economic losses as a result of forced shutdowns for repair and replacement. Accurate modelling and prediction of feeder replacements and the probability of feeder failure is not only important for continued fitness-for-service, but essential for feeder life cycle management (LCM). This paper discusses some of the key issues related to feeder FAC, and presents a probabilistic method for modelling the wall thinning process. The wall thickness loss due to FAC is modelled using a random rate model, while the probability of feeder failure is based on an empirical approach. The developed methodology allows the estimation of the remaining life of both inspected and uninspected feeder populations, while methodically accounting for the uncertainties in the problem.

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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,029
Tête enseignante GPT0,248
Écart entre enseignants0,219 · 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 tête enseignante, pas un consensus.

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
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVolume 1: Plant Operations, Maintenance, Engineering, Modifications and Life Cycle; Component Reliability and Materials Issues; Next Generation SystemsMême sujetNon-Destructive Testing TechniquesTravaux en français237 207