MétaCan
Menu
Retour à la cohorte
Enregistrement W2054423361 · doi:10.1115/ipc2014-33431

Application of Probabilistic Methods for Predicting the Remaining Life of Offshore Pipelines

2014· article· en· W2054423361 sur OpenAlexafffund
Alireda Aljaroudi, Premkumar Thodi, Ayhan Akintürk, Faisal Khan, Mike Paulin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensIntecsea (Canada)Memorial University of Newfoundland
Organismes subventionnairesMitacs
Mots-clésPipeline transportSubmarine pipelinePipeline (software)EngineeringHazardEnvironmental scienceProbabilistic logicPetroleum engineeringReliability engineeringForensic engineeringComputer scienceRisk analysis (engineering)Geotechnical engineeringBusinessMechanical engineering

Résumé

récupéré en direct d'OpenAlex

When offshore pipelines are approaching the end of their design life or have gone beyond their design life, their condition could possibly threaten oil flow continuity (through leak or rupture) as well as become a potential safety or environmental hazard. Some of the pipelines may show signs of deterioration and ageing due to corrosion, cracking or other damage mechanisms. Any assets, such as the pipeline, may be desired to continue transporting hydrocarbons beyond its design life due to increased oil and gas demand, due to unforeseen increased oil and gas reserves, or due to upgrade where additional assets are tied-into the existing pipeline system. Other situations may force operators to maintain the pipeline’s design life in spite of premature ageing of the pipe wall caused by the increased corrosion growth or other anomalies. Hence, there may be a need to assess the remaining life of pipeline in order to determine if it is capable of coping with current and future operational demand. The first task in the assessment process is to identify degradation mechanisms and their rate of growth, then estimate uncertainties in the collected data concerning pipeline flaw geometry, pipeline mechanical properties and operating characteristics. Based on the collected data and the assessment, the probability and consequence of failure can be determined. The remaining life of a pipeline is the time it takes the pipeline to fail or exceed the target failure probability. This paper presents a methodology for assessing the condition of ageing pipelines and determining the remaining life that supports extended operation without compromising safety and reliability. Applying this methodology would facilitate a well-informed decision that enables decision makers to determine the best strategy or adequate course of action for assessing and maintaining the integrity of ageing pipelines.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,302
Écart entre enseignants0,282 · 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

Citations4
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetStructural Integrity and Reliability AnalysisTravaux en français237 207