MétaCan
Menu
Retour à la cohorte
Enregistrement W2463857576 · doi:10.5006/c2012-01261

Non-Intrusive Techniques to Monitor Internal Corrosion of Oil and Gas Pipelines

2012· article· en· W2463857576 sur OpenAlexaff
Sankara Papavinasam, Alex Doiron, Michael Attard, Alebachew Demoz, Parviz Rahimi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensDevon Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésCorrosionPipeline transportPetroleum engineeringMaterials scienceFossil fuelEnvironmental scienceCorrosion monitoringForensic engineeringMetallurgyEngineeringWaste managementEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Abstract A wide range of non-intrusive measurement techniques are available, each with strengths and weaknesses. It is important to analyze various techniques with respect to their accuracy, cost benefits, user-friendliness, remote monitoring, and limitations so that the results obtained can be effectively used in integrity management programs. This paper presents the results obtained from testing five (5) non-intrusive techniques (ultrasonic-handheld, ultrasonic-fixed, electrical probe, hydrogen permeation, and fibre-optic) by placing them individually on 6-foot long test pipes. Each pipe possessed artificially implanted 24 internal corrosion pits of different sizes and shapes; was attached with a non-intrusive monitoring technique on its external surface; was filled with brine, crude oil, and gas mixtures of H2S, CO2, and methane of various ratios; and was subjected to various temperature and pressure cycles over a period of twelve (12) years. Based on this investigation the reliability of non-intrusive monitoring techniques has been established. This paper deals exclusively with non-intrusive techniques and does not compare the non-intrusive techniques with other sensitive intrusive techniques.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,253
Écart entre enseignants0,244 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNon-Destructive Testing TechniquesTravaux en français237 207