MétaCan
Menu
Retour à la cohorte
Enregistrement W2048120673 · doi:10.1115/ipc2012-90308

Pressure Test Planning to Prevent Internal Corrosion by Residual Fluids

2012· article· en· W2048120673 sur OpenAlexaff
Trevor Place, Greg Sasaki, Colin Cathrea, Michael Holm

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensEmissions Reduction AlbertaPetroleum Technology Alliance Canada
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)Hydrostatic testScope (computer science)Pipeline transportTest (biology)Integrity managementEngineeringLeakComputer scienceReliability engineeringConstruction engineeringRisk analysis (engineering)Mechanical engineeringBusiness

Résumé

récupéré en direct d'OpenAlex

Strength and leak testing (AKA ‘hydrotesting’, and ‘pressure testing’) of pipeline projects remains a primary method of providing quality assurance on new pipeline construction, and for validating structural integrity of the as-built pipeline [1][2][3]. A myriad of regulations surround these activities to ensure soundness of the pipeline, security of the environment during and after the pressure testing operation, as well as personnel safety during these activities. CAN/CSA Z662-11 now includes important clauses to ensure that the pipeline designer/builder/operator consider the potential corrosive impacts of the pressure test media [4]. This paper briefly discusses some of the standard approaches used in the pipeline industry to address internal corrosion caused by pressure test mediums — which often vary according to the scope of the pipeline project (small versus large diameter, short versus very long pipelines) — as well as the rationale behind these different approaches. Case studies are presented to highlight the importance of considering pressure test medium corrosiveness. A practical strategy addressing the needs of long-distance transmission pipeline operators, involving a post-hydrotest inhibitor rinse, is presented.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,434
Score d'incertitude au seuil0,446

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,217
Écart entre enseignants0,209 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOffshore Engineering and TechnologiesTravaux en français237 207