MétaCan
Menu
Retour à la cohorte
Enregistrement W2899807175 · doi:10.1115/ipc2018-78720

Influence of Mean Load Pressure Fluctuations on Crack Growth Behavior in Steel Pipelines

2018· article· en· W2899807175 sur OpenAlexaff
Olayinka Tehinse, Weixing Chen, Karina Chevil, Erwin Gamboa, Lyndon Lamborn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensTransCanada (Canada)University of Alberta
Organismes subventionnairesnon disponible
Mots-clésPipeline transportMaterials scienceAmplitudeStress (linguistics)MechanicsInternal pressureStructural engineeringParis' lawPipeline (software)Crack closureFracture mechanicsComposite materialEngineeringPhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Internal pressure fluctuations during pipeline operations could contribute to crack growth in steel pipelines. These pressure fluctuations create a variable amplitude loading condition with large amplitude cycles at near-zero stress ratio, R (minimum stress / maximum stress) and small amplitude cycles (minor cycles) at near +1 R ratio which can both affect crack propagation. Mean stresses fluctuate with pressure due to fluid friction losses proportional to the distance from the pump/compressor station. A deeper understanding of mean stress sensitivity on crack growth rate in steel pipelines is sought. The aim of this research is to retard crack growth in pipelines by prescribing pressure fluctuations, thus controlling mean stress effects on imperfection growth in steel pipelines under a near neutral pH environment. This study shows that prescriptive mean load pressure fluctuations can be used to reduce crack growth rates in steel pipelines, thus expanding pipeline integrity management methods.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,249
Écart entre enseignants0,237 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Integrity and Reliability AnalysisTravaux en français237 207