MétaCan
Menu
Retour à la cohorte
Enregistrement W2119103057 · doi:10.1115/icone17-75420

The Impact of Probabilistic Modelling on Predicting the Remaining Life of Pipes in Nuclear Plants

2009· article· en· W2119103057 sur OpenAlexaffabout
Mahesh D. Pandey, Detang Lu, Dragan Komljenović

Notice bibliographique

RevueVolume 1: Plant Operations, Maintenance, Engineering, Modifications and Life Cycle; Component Reliability and Materials Issues; Next Generation Systems · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensHydro-QuébecUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPipingProbabilistic logicCoolantService lifeNuclear engineeringEngineeringNuclear reactorNominal Pipe SizeReliability engineeringEnvironmental scienceStructural engineeringForensic engineeringComputer scienceMechanical engineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Flow accelerated corrosion (FAC) is a serious form of degradation in primary heat transport piping system (PHTS) of the nuclear reactor. Pipes transporting hot coolant from the reactor to steam generators are particularly vulnerable to FAC degradation, such as tight radius pipe bends with high flow velocity. FAC is a life limiting factor, as excessive degradation can result in the loss of structural integrity of the pipe. To prevent this, engineering codes and regulations have specified minimum wall thickness requirements to ensure fitness for service of the piping system. Nuclear utilities have implemented periodic wall thickness inspection programs and carried out replacement of pipes prior to reaching an unsafe state. To optimize the life cycle management of PHTS, accurate prediction of time of replacement or “end of life” of pipe sections is important. Since FAC is a time-dependent process of uncertain nature, the paper presents two probabilistic models for predicting the end of life. The paper illustrates that the modeling assumptions have a significant impact on the predicted number of replacements in the piping system. A practical case study is presented using wall thickness inspection data collected from Canadian nuclear plants.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,032
Tête enseignante GPT0,237
Écart entre enseignants0,205 · 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
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVolume 1: Plant Operations, Maintenance, Engineering, Modifications and Life Cycle; Component Reliability and Materials Issues; Next Generation SystemsMême sujetNon-Destructive Testing TechniquesTravaux en français237 207