MétaCan
Menu
Retour à la cohorte
Enregistrement W2883036277 · doi:10.5006/c2017-09720

Remote Monitoring of the Mechanical Integrity of Oil Sands Facility High Wear Components

2017· article· en· W2883036277 sur OpenAlexaboutno aff
Rob Leary

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Engineering and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringMaterials scienceCorrosionMetallurgyEnvironmental scienceForensic engineeringGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract This paper discusses the implementation of an on-line remote ultrasonic (UT) system at a SAGD (Steam Assisted Gravity Drainage) facility located within the Athabasca oil sands reserves in Northern Alberta. SAGD is a thermal, enhanced oil recovery technology applied to areas of deeper overburden utilizing horizontal wells with steam injection to reduce reservoir viscosity thus facilitating bitumen recovery. Given the nature of the reserve, enhanced sand and the potential erosive nature of it, are common concerns from a process and equipment integrity perspective. As a damage mechanism, erosion can be complicated, with a number of process and equipment parameters influencing such as flow regime, velocity, particle chemistry/size/shape, impact or contact angles, equipment geometry, etc. Wall loss rates may of course vary, but can be quite aggressive and difficult to predict. Within a SAGD facility, an area of focus for surface equipment is the production piping off of the wellheads. In presence of an erosive environment, the initial changes in direction (e.g. elbows, tees) may be most susceptible. Under controlled, predictable operational modes, a typical thickness survey by manual readings at extended intervals, can and has been effective for long term trending. However, this strategy will not facilitate detection and prevention of damage that may lead to component failure in a short time frame (e.g., hours), thus a continuous, remote method of monitoring, with notification capabilities was pursued.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,047
Tête enseignante GPT0,241
Écart entre enseignants0,194 · 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'étudeObservationnel
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 sujetIndustrial Engineering and TechnologiesTravaux en français237 207