MétaCan
Menu
Retour à la cohorte
Enregistrement W2609485266 · doi:10.4043/27892-ms

A Low Motion FPSO Design Hosting SCR and TTR in Harsh Environment

2017· article· en· W2609485266 sur OpenAlexaff
Alaa Mansour, Chunfa Wu, Peng Cheng, Ricardo Zuccolo, Ashish Bagaria, Shankar Bhat, Jim Yu, Hong Gun Sung

Notice bibliographique

RevueOffshore Technology Conference · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensIntecsea (Canada)
Organismes subventionnairesKorea Research Institute of Ships and Ocean Engineering
Mots-clésMarine engineeringCatenaryEngineeringHullRobustness (evolution)Capital costElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract In the development of remote offshore oil and gas fields with minimal or no infra-structure, the Floating Production Storage and Offloading (FPSO) unit is the preferred solution. The FPSO has the advantage of providing the required storage in the hull and direct offloading to tankers of opportunity. Steel Catenary Risers (SCRs) are the preferred solution in wet-tree applications due to their simplicity, robustness and low Capital cost (CAPEX) and Operational cost (OPEX) compared to other riser options. Also, Top Tensioned Risers (TTRs) have their well-known advantages in allowing direct vertical access to production wells and hence enhanced recovery. However, due to its relatively high dynamic motion, conventional FPSO is not a feasible host for TTRs or SCRs in most environments. In this paper, a Low Motion FPSO (LM-FPSO) design with the ability to host SCRs and TTRs is presented and evaluated for applications in deepwater field developments. A case study is prepared to compare the technical and commercial aspects of a field development in 250m water depth using a conventional FPSO to those using a wet-tree LM-FPSO supporting SCRs and a dry-tree LM-FPSO hosting TTRs. The constructability, transportability and installability of the new design along with its performance verification through physical scale model testing are discussed and presented in this paper.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,205
Écart entre enseignants0,186 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOffshore Technology ConferenceMême sujetOffshore Engineering and TechnologiesTravaux en français237 207