MétaCan
Menu
Retour à la cohorte
Enregistrement W2078611230 · doi:10.1115/1.4026798

Time-Dependent Corrosion Growth Modeling Using Multiple In-Line Inspection Data

2014· article· en· W2078611230 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Pressure Vessel Technology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensTransCanada (Canada)Western University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésReliability (semiconductor)Pipeline transportCorrosionProbabilistic logicReliability engineeringPipeline (software)Computer scienceLine (geometry)Bayesian probabilityHierarchical database modelProcess (computing)Data miningEngineeringMaterials scienceArtificial intelligenceMathematicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This paper describes a nonhomogeneous gamma process-based model to characterize the growth of the depth of corrosion defect on oil and gas pipelines. All the parameters in the growth model are assumed to be uncertain; the probabilistic characteristics of these parameters are evaluated using the hierarchical Bayesian methodology by incorporating the defect information reported by the multiple in-line inspections (ILIs) as well as the prior knowledge about these parameters. The bias and random measurement error associated with the ILI tools as well as the correlation between the measurement errors associated with different ILI tools are taken into account in the analysis. The application of the model is illustrated using an example involving real ILI data on a pipeline that is currently in service. The results suggest that the model in general can predict the growth of corrosion defects reasonably well. The proposed model can be used to facilitate the development and application of reliability-based pipeline corrosion management.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,259
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,023
Tête enseignante GPT0,250
Écart entre enseignants0,228 · 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