The Effect of Corrosion Growth Model Assumptions on the Reliability Estimates of Corroded Pipelines
Notice bibliographique
Résumé
Corrosion growth models are used to estimate future metal loss and the safe remaining lifetime of corrosion features in pipelines. Probabilistic models have become increasingly important in practice for reliability and risk-based pipeline assessments. The unknown model variables are usually determined from in-line inspection (ILI) results. Corrosion growth models exhibit various levels of complexity to account for temporal and spatial uncertainties of the actual corrosion growth process, and measurement uncertainties associated with ILIs. Model diversity leads to significant differences in how the models approach the uncertainty of future corrosion growth. This paper builds upon previous work and provides some theoretical background to an application described in [1]. It compares four common probabilistic corrosion growth models with respect to reliability estimates of leak failure. The four models are two uncertain corrosion rate models and two stochastic process models where the features are considered to be either independent or exchangeable. The unknown random variables of each model are updated in a Bayesian manner using the same ILI results. The key findings of this paper are: • Proper truncation at zero of the probability distributions for the unknown random variables is necessary if the measured corrosion growth is near zero or negative. • A stochastic process leads to lower uncertainties when determining future metal loss and, consequently, an increased reliability against leak failure than corrosion rate models. • The assumption of exchangeable features causes a reduction in the probability of leak failure due to the effect of borrowing information compared to independent features. The four corrosion growth models provide similar results with respect to the probability of failure if the measured corrosion growth is large. As the measured corrosion growth decreases in size, the differences between the reliability estimates increase.
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 | 0,013 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».