MétaCan
Menu
Retour à la cohorte
Enregistrement W2082630542 · doi:10.1115/ipc2006-10323

Impact of Yield to Ultimate Ratio on the Reliability of Burst Limit States

2006· article· en· W2082630542 sur OpenAlexaff
Marc A. Maes, Mamdouh M. Salama

Notice bibliographique

RevueVolume 3: Materials and Joining; Pipeline Automation and Measurement; Risk and Reliability, Parts A and B · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueFatigue and fracture mechanics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPipeline transportLimit state designInternal pressureHardening (computing)Materials scienceSofteningUltimate tensile strengthCorrosionStructural engineeringPipingReliability (semiconductor)EngineeringComposite materialMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In order to reduce arctic construction and transportation costs, high strength steels (> X80) have been advocated for use in high pressure gas pipelines. These steels differ from conventional steels by exhibiting lower work hardening capacity, lower strain to failure and possible softening of their HAZ. These differences can impact burst limit state and tensile limit state, in addition to crack arrest. In this paper, the impact of the variations in mechanical properties on the reliability of several pipe limit states involving burst is examined. The paper presents the results of burst limit state analysis using state-of-the-art plastic burst models of strain hardening pipe and considering all the uncertainties that impact the margin of safety of pipes subject to internal pressure. Intact pipes, corroded pipes and externally damaged pipes are considered. The analysis focuses on different design check equations (DCE) which “control” the safe usage of the pipe. In addition, the paper looks at how external or internal damage or corrosion affects the burst capacity differently for medium versus high-strength pipelines steels.

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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,228
Écart entre enseignants0,210 · 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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 3: Materials and Joining; Pipeline Automation and Measurement; Risk and Reliability, Parts A and BMême sujetFatigue and fracture mechanicsTravaux en français237 207