Comparison of Multiple Crack Detection In-Line Inspection Data to Assess Crack Growth
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.
Notice bibliographique
Résumé
Ultrasonic inline inspection (ILI) tools have been used in the oil and gas pipeline industry for the last 14 years to detect and measure cracks. The detection capabilities of these tools have been verified through many field investigations. ILI ultrasonic crack detection has good correlation with the crack layout on the pipe and estimating the maximum crack depth for the crack or colony. Recent analytical developments have improved the ability to locate individual cracks within a colony and to define the crack depth profile. As with the management of corroding pipelines, the ability to accurately discriminate active from non-active cracks and to determine the rate of crack growth is an essential input into a number of key integrity management decisions. For example, in order to identify the need for and timing of field investigations and/or repairs and to optimize re-inspection intervals crack growth rates are a key input. With increasing numbers of cracks and crack colonies being found in pipelines there is a real need for reliable crack growth information to use in prioritizing remediation activities and planning re-inspection intervals. So as more and more pipelines containing cracks are now being inspected for a second time (or even third time in some cases), the industry is starting to look for quantitative crack growth information from the comparison of repeat ultrasonic crack detection ILI runs. This paper describes the processes used to analyze repeat ultrasonic crack detection ILI data and crack growth information that can be obtained. Discussions on how technical improvements made to crack sizing accuracy and how field verification information can benefit integrity plans are also included.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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