The Benefits of Accurate ILI Performance on Pipeline Integrity Programs for Axial Crack and Metal Loss Corrosion Threats
Notice bibliographique
Résumé
An analysis describing the benefits of an accurate in-line inspection (ILI) system performance is presented in this paper. A good ILI performance is characterized as an accurate description of the condition of an inspected pipeline. Information from a better ILI performance, as compared to a poorer one, can be used to reduce the number of required digs and/or extend the re-inspection interval without compromising the pipeline’s integrity. As a result, these parameters can be used to assess the benefits of the improved inspection performance. For this analysis, the ILI performance was represented by the depth sizing accuracy as the depth of a feature is one of the most critical parameters in assessing the pressure containment capacity at the feature location. This work utilized a sensitivity analysis in which the impact of various levels of ILI performance on a pipeline integrity program in terms of the number of required repairs for a given reliability threshold was examined. The number of required repairs associated with each inspection performance was calculated using a reliability based assessment method. This method was selected because it fully accounts for the statistical characteristic of the ILI performance. The sensitivity analysis considered two pipeline condition scenarios for two pipeline systems. The first pipeline condition scenario was characterized as having a high number of features, many of which were severe in size, while the second condition scenario consisted of fewer features that were less significant in size. The analysis was carried out for both axial stress corrosion cracking and metal loss corrosion features. The results of the analysis show that a more accurate ILI depth measurement leads to a more accurate pipeline reliability estimate, and therefore, a reduction in the number of required repairs. However, the benefit associated with continued ILI measurement accuracy improvement exhibits a diminishing trend.
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) | 0,000 | 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 tête enseignante, 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 ».