MétaCan
Menu
Retour à la cohorte
Enregistrement W2743039041 · doi:10.1061/9780784480885.032

Watermain Asset Management

2017· article· en· W2743039041 sur OpenAlexaffabout
Ben Pressman, Sandra Rolfe-Dickinson, Bethany McDonald, Graham E. C. Bell

Notice bibliographique

RevuePipelines 2017 · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueGeophysical Methods and Applications
Établissements canadiensCanadian Rheumatology Association
Organismes subventionnairesnon disponible
Mots-clésAsset managementComputer scienceAsset (computer security)BusinessComputer securityFinance

Résumé

récupéré en direct d'OpenAlex

York Region (the Region) is one of the fastest growing communities in the Greater Toronto Area. It operates a “two tier” level of government, taking responsibility for the large diameter trunk water mains and sewers serving the population. The lower tier municipalities take responsibility for local distribution and collection systems. The Region owns and operates approximately 350 km of large diameter watermains which transport water from treatment facilities to the local distribution system. The pipe material inventory is predominantly concrete pressure pipe (AWWA C301) at 83%, with the next largest material group being ductile iron (DI) at 9% and PVC & HDPE make up 7% of the inventory. The system is relatively young in age, with 72% of its entire inventory being less than 20 years of age, and 27% being 20 to 40 years of age. The diameter of the Region’s watermain inventory ranges from 1800 to 400 mm with an average diameter of approximately 750 mm. After early adoption of field investigations of concrete pressure pipes using leading edge condition assessment technologies including wet, live deployed electromagnetic inspection technologies along with confirmatory forensic exhumations, the Region took a step back to evaluate the effectiveness of its tactic and subsequently determined to take a more strategic, risk-based and holistic approach to its watermain asset management. The Region also collaborated with other municipalities in North America to identify industry best practices. A gap analysis was then undertaken to identify a road map of actions and timeframes to better target future condition assessment activities. It was determined that a few key exercises are best to be completed in advance of field works. As a summary those tasks include: sorting watermain in descending priority sequence according to risk, to think through the potential results of condition assessment and subsequent resulting actions in advance of the field works and to better plan and prepare for contingencies and probable outcomes. By better understanding the inspection and condition assessment tools and their suitable uses and likely results, the Region has a clearer and more fulsome understanding of how to manage risk while sustaining this critical infrastructure at the lowest overall lifecycle cost.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,251

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0490,008

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 Opus0,029
Tête enseignante GPT0,303
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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'admission2
Résumé présentoui

Explorer davantage

Même revuePipelines 2017Même sujetGeophysical Methods and ApplicationsTravaux en français237 207