MétaCan
Menu
Retour à la cohorte
Enregistrement W2321793389 · doi:10.1115/ipc2006-10411

Quantitative Risk Assessment: Underground Natural Gas Storage Facilities

2006· article· en· W2321793389 sur OpenAlexaffabout
Patrick L. Wickenhauser, Brian Wagg, Fausto Arinos Barbuto

Notice bibliographique

RevueVolume 3: Materials and Joining; Pipeline Automation and Measurement; Risk and Reliability, Parts A and B · 2006
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensTransCanada (Canada)
Organismes subventionnairesnon disponible
Mots-clésFault tree analysisRisk assessmentRisk analysis (engineering)Reliability engineeringRanking (information retrieval)Risk managementEnvironmental scienceEngineeringComputer scienceBusinessFinance

Résumé

récupéré en direct d'OpenAlex

TransGas undertook a risk-ranking project for storage facilities as the first step in the process of evaluating the financial and life-safety risk associated with the eight storage facilities that they operate in Saskatchewan, Canada. Based on this analysis, two salt cavern storage facilities were selected for a quantitative risk assessment. The most cost-effective maintenance actions for each cavern were determined as follows: Fault trees were prepared for all of the identified failure scenarios. Several unique computer models were developed to predict the failure rates of the events identified in the fault trees and the consequences associated with both sub-surface and atmospheric releases from the storage facilities. Both life-safety and financial risk were considered in the analysis. For each of the caverns, a number of potential maintenance scenarios were selected that address the dominant failure causes. Life-safety risk was assessed first and compared to the TransGas tolerance. A cost optimization analysis was then carried out in which the total expected future cost associated with each maintenance option was amortized over the benefit period and compared to the total expected future cost associated with the current maintenance practice. The paper describes the risk analysis and cost optimization approach and provides case study examples of the caverns analyzed and the recommendations reached in each case.

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)0,006
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 enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,044
Tête enseignante GPT0,312
Écart entre enseignants0,268 · 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

Citations5
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVolume 3: Materials and Joining; Pipeline Automation and Measurement; Risk and Reliability, Parts A and BMême sujetRisk and Safety AnalysisTravaux en français237 207