MétaCan
Menu
Retour à la cohorte
Enregistrement W2507469666 · doi:10.1115/1.4034603

Probabilistic Modeling of Pitting Corrosion in Insulated Components Operating in Offshore Facilities

2016· article· en· W2507469666 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueASCE-ASME Journal of Risk and Uncertainty in Engineering Systems Part B Mechanical Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSubmarine pipelinePitting corrosionProbabilistic logicCorrosionAsset managementAsset (computer security)Integrity managementEngineeringReliability engineeringMarine engineeringForensic engineeringCivil engineeringComputer scienceMechanical engineeringMaterials scienceGeotechnical engineeringMetallurgyPipeline transportBusiness

Résumé

récupéré en direct d'OpenAlex

Pitting corrosion under insulation is one of the challenging issues for safe operation of offshore facilities. Degradation usually remains hidden causing the inspection of insulated assets to be equally challenging. The modeling of the pitting corrosion under insulation (CUI) helps us to better understand the current state of the asset and predict failure. This paper investigates the factors affecting the pit initiation and pit growth on equipment under insulation operating in offshore environments. A methodology is proposed for studying the pitting CUI characteristics, including pit initiation time, pit density, and maximum pit depth over time. The proposed methodology provides a practical and more effective asset life management approach when supported by inspection data. The practical application of the proposed methodology is demonstrated in this paper using a pressure vessel case study in an offshore platform.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,207
Écart entre enseignants0,194 · 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