Project integrated LNG offloading availability assessment for FLNG
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This extended abstract explains a combined heuristic, analytical and probabilistic process to evaluate LNG offshore offloading availability in combination with facility uptime and commercial drivers such as LNG sales/supply contracts. The heuristic assessment is informed by facility operators’, LNGC masters’ and tug operators’ experiences in offshore offloading and berthing operations. The analytical process includes assessment of met-ocean, mooring, manoeuvrability simulation, model testing and event forecasting methods. Gaps about uncertainties for future predictions are filled by probabilistic Monte-Carlo simulations. The heuristic, analytical and probabilistic approach, combined with commercial drivers, is put together into uptime assessment to forecast the techno-commercial performance of the facility. The uptime assessment enables:confidence on achievable LNG throughput, the best for facility configuration and size, the best for facility location and facility’s operational expenditures;contractual viability—for LNG supplier and gas off-taker; and,key to terminal performance guarantee to gas off-takers. This process has been developed within INTECSEA during the past six years and has been applied to more than 15 LNG offshore offloading facilities at varying geographical locations. This extended abstract explores the key drivers and describes the effect on those key drivers due to varying location, varying technology or LNG sales/supply contracting strategy. The key drivers include: achievable LNG throughput, uptime, downtime, demurrage, cargo cancellation, facility downturn and partial LNG offloading. The process described is specific to side-by-side offloading operations; however, it can also be adapted to standard jetty offloading operations and tandem offloading operations.
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.
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 | 0,001 | 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 découle