Assessment of Microbially Influenced Corrosion Threats Using Molecular Microbiological Methods
Notice bibliographique
Résumé
Abstract The presence of solids with nutrients that can support the growth of microbial communities may lead to microbially influenced corrosion (MIC) in carbon steel pipelines. Many factors affect MIC rates, for example, biofilms in pipeline sludges can produce corrosive chemicals that can attack metals, alter local acidity, and create differential aeration and galvanic cells. This paper examined the microbial diversity of sludges obtained from four (4) different locations of a crude oil transmission system. Bacterial activity reaction tests (BARTTM) and molecular microbiological methods (MMM) were used to determine microbial numbers (cells/g of sludge). X-ray diffraction (XRD) and Energy-dispersive X-ray spectroscopy (EDX) analyses were also performed on the sludge to identify key corrosion indicators. Furthermore, pipeline mitigation history along with the operating conditions of the pipelines were collected from the operators to better understand the corrosion mechanisms and help the operators with pipeline integrity management practices. Generally, some degree of correlation in microbial numbers between BARTs and MMM was observed for the pipeline sludges analyzed; i.e. for both test methods, the microbial numbers was higher in sample B followed by sample C. Microbial numbers were higher when MMM was used as compared to BARTs indicating the later may underestimate microbial count. In general bio-treatment reduced microbial numbers with corresponding before and after treatment values of >104 cells/g and 10 cells/g for pipeline A and >106 cells/g and 103 cells/g for pipeline B. When MMM was used all the sludges analyzed presented the six (6) groups of microorganisms believed to pose MIC threat, including archaea and bacteria. Hence while BARTs can be used to assess the diversity of microbial communities already known by the corrosion industry, MMM is recommended to comprehensively assess the susceptibility of pipelines to MIC, i.e. characterize sludges for bacteria, archaea and emerging microbes that may contribute to corrosion.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».