MétaCan
Menu
Retour à la cohorte
Enregistrement W2797133209 · doi:10.1080/23311916.2018.1463594

Evaluation of testing methods for tracking CIPP liners’ life-cycle performance

2018· article· en· W2797133209 sur OpenAlexaff
Shaurav Alam, John C. Matthews, Raymond Sterling, E. N. Allouche, Ariamalar Selvakumar, Wendy Condit, Ed Kampbell, D. Downey

Notice bibliographique

RevueCogent Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Underground Structures
Établissements canadiensStantec (Canada)
Organismes subventionnairesOffice of Research and DevelopmentU.S. Environmental Protection Agency
Mots-clésQuality assuranceSuiteVisual inspectionEngineeringComputer scienceForensic engineeringConstruction engineeringOperations managementArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Despite the significant investments made in the use of cured-in-place pipe (CIPP) rehabilitation technologies, quality assurance (QA) and quality control (QC) practices can vary widely among municipalities, and CIPP liner evaluations are mostly restricted to periodic CCTV inspections. The information in this paper is derived from a multi-year project funded by the U.S. Environmental Protection Agency (US EPA). The study included a first of its kind retrospective evaluation of retrieved CIPP liners that were in service between 5 and 34 years at 18 different locations. This paper focuses on an assessment of the types of testing that were used during a pilot study to perform the CIPP retrospective evaluation. After performing the suite of tests, both visual inspection and flexural testing were found to be the key QA/QC assessment techniques. However, liners’ specific gravity was also found as a useful QA/QC tool and pursuing several other possibilities for non-destructive or minimally-invasive testing for measuring in situ physical properties of liners appeared feasible.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,056
Tête enseignante GPT0,316
Écart entre enseignants0,260 · 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'étudeExpérimental (laboratoire)
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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCogent EngineeringMême sujetGeotechnical Engineering and Underground StructuresTravaux en français237 207