MétaCan
Menu
Retour à la cohorte
Enregistrement W2328492436 · doi:10.4043/26717-ms

Mitigating Corrosion Under Insulation in a Gas Processing Facility 10 Years On

2016· article· en· W2328492436 sur OpenAlexaff
Ben Biddle

Notice bibliographique

RevueOffshore Technology Conference Asia · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensAkzoNobel (Canada)
Organismes subventionnairesnon disponible
Mots-clésCoatingEarly adopterWork (physics)Service (business)CorrosionPlan (archaeology)Test planComputer scienceTest (biology)Process (computing)Forensic engineeringEngineeringMechanical engineeringBusinessMaterials scienceMetallurgyMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract As is often the case when developing new technologies the first adopters are those who have a specific problem for which they are seeking a solution. This was the case in 2005 with a new, at the time, high temperature protective coating designed for use beneath insulation and in highly aggressive cyclic temperature environments between 40°C (104°F) to 260°C (500°F). The facility in question is a gas processing plan in South Australia and they had significant issues with corrosion on their propane treater units. This paper will review the circumstances of the application in 2005, detailing the corrosion mechanisms at work and the justification behind the selection of the then largely unproven new coating technology. It will then review the performance of the material over the course of its ten year service life concluding with a detailed review of its current condition. The paper then moves to the wider topic of coating development and specification with particular reference to developing test methods where robust methods are not yet known. The paper details the methodology used to create and validate a reliable test for coatings used in the prevention of CUI. With reference to the South Australian experience, the paper poses the question ‘how can new coating technologies be successfully developed and launched into a such a conservative market?', especially given the importance placed by customers around long term proof of in service performance.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,014
Tête enseignante GPT0,222
Écart entre enseignants0,208 · 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'étudeObservationnel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOffshore Technology Conference AsiaMême sujetOffshore Engineering and TechnologiesTravaux en français237 207