Ultrasonic NDE Technology Comparison for Measurement of Long Seam Weld Anomalies in Low Frequency Electric Resistance Welded Pipe
Notice bibliographique
Résumé
In the pipeline industry, a widely accepted methodology for integrity crack management involves running ultrasonic In-Line Inspection (ILI) technologies. After an ILI tool run is completed, the performance of the tool is typically validated by excavating the pipeline and conducting in-the-ditch investigations. Ultrasonic Non-Destructive Evaluation (NDE) techniques are used in the field to characterize and measure crack-like features. These in-the-ditch measurements are compared back to ILI results in order to validate tool performance and drive continuous technology improvements. Since validation of the ILI tool relies on NDE measurements, acquiring accurate and representative data in the field is a critical step in this integrity crack management approach. Achieving an accurate field inspection comes with its challenges, some of which relate to complex long seam weld conditions present in older vintage pipelines including: weld misalignment, weld trim issues, and dense populations of manufacturing anomalies. In order to better understand the challenges associated with complex long seam weld conditions, an evaluation and comparison of the performance of NDE technologies currently available was conducted. In this study, a portion of a Canadian pipeline with complex long seam weld conditions was cut-out and removed from service. Multiple NDE crack inspection technologies and methods from three different vendors were used to assess the condition of the long seam weld. Conventional Ultrasonic Testing (UT), Phased Array Ultrasonic Testing (PAUT), Time of Flight Diffraction (TOFD), and variations of Full Matrix Capture Ultrasonic Testing (FMCUT) were used to assess the long seam weld and their results were compared. The performance of all NDE technologies is baselined by comparing them with destructive examination of sections of the long seam weld. The newer NDE assessment methodologies were shown to be consistently more accurate in characterizing long seam features.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».