Detection of Crack-Related Features Within Dented Pipe Using Electromagnetic Acoustic Transduction (EMAT) Technology
Notice bibliographique
Résumé
Mechanical damage has been identified as a significant integrity threat within the Oil & Gas pipeline industry. In addition to deformation, associated secondary pipeline damage may also consist of coating removal, metal removal and cold working of the underlying metal that may result in cracking within the dented area. Detection of cracks within dented areas of the pipe using conventional Ultrasonic Technology (UT) and Magnetic Flux Leakage (MFL) In-line Inspection (ILI) technologies has been of limited success due to the variety of possible feature expressions, sensor design and arrangements, and the related complexity within the underlying physics for detection and characterization. Previous studies have shown the feasibility of Electro Magnetic Acoustic Transduction (EMAT) technology for detecting and characterizing crack related indications within dents on liquid pipelines. This study expands upon experimental investigations using pull through ILI tests on manufactured dents where machined linear indications (notches) were introduced into the dents. In this paper, the performance of EMAT technology for detection and characterization of crack related features in liquids pipelines under real operating conditions is presented. EMAT data were combined with high resolution caliper data, ultrasonic crack inspection data and dent strain assessment data, to demonstrate the EMAT capabilities to enhance pipeline integrity management of dents. Results of field non-destructive examinations are compared to EMAT predicted values to assess the performance of this technology. This study presents a supplementary method of detecting and mitigating coincidental crack related features with dents on liquids pipelines, further enhancing the safety and improving the integrity management of pipelines.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».