On Railroad Tank Car Puncture Performance: Part I — Considering Metrics
Notice bibliographique
Résumé
This paper is the first in a two-part series on the puncture performance of railroad tank cars carrying hazardous materials in the event of an accident. Various metrics are often mentioned in the open literature to characterize the structural performance of tank cars under accident loading conditions. One of the consequences in terms of structural damage to the tank during accidents is puncture. This two-part series of papers focuses on four metrics to quantify the performance of tank cars against the threat of puncture: (1) speed, (2) force, (3) energy, and (4) conditional probability of release. In this paper (Part I), generalized tank car impact scenarios are illustrated. Particular focus is given to the generalized shell impact scenario because performance-based requirements for shell puncture resistance are being considered by the regulatory agencies in United States and Canada. Definitions for the four performance metrics are given. Physical and mathematical relationships among these metrics are outlined. Strengths and limitations of these performance metrics are discussed. In Part II, the multi-disciplinary approach to develop engineering tools to estimate the performance metrics will be described. The complementary connection between testing and modeling will be emphasized. Puncture performance metrics, which were estimated from other sources, will be compared for different tank car designs. These comparisons will be presented to interpret the metrics from a probabilistic point of view. In addition, sensitivity of the metrics to the operational and design factors will be examined qualitatively.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».