Validate Crack Assessment Models With In-Service and Hydrotest Failures
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
Crack or crack-like anomaly is one of the major threats to the safety and structural integrity of oil and gas pipelines. Various assessment models have been developed and used within pipeline industry to predict the burst capacity for pipelines containing longitudinally-oriented surface cracks. These models have different level of conservatism, accuracy, and precision which significantly impacts pipeline operators’ integrity mitigation decisions such as pressure restriction, excavation, and repair, and also lead to different level of safety. This paper compares the accuracy and precision of the most commonly used crack assessment models, i.e. Modified Ln-Sec, CorLAS, API 579 Level 2 and the recent-published PRCI MAT-8 model using in-service and hydrostatic testing failure data. A total number of 12 in-service and 63 hydrostatic test pipe ruptures due to stress corrosion cracking (SCC) with actual burst pressure, material property, and detailed crack size measurements are collected, and used to derive the probabilistic characteristics of the model errors associated with each model. Compared to the burst tests conducted in the laboratory and investigated in other previous studies, the results obtained from in-service and hydrostatic test ruptures are more representative of the real boundary conditions in pipeline operation. All the assumptions and empirical correlations associated with each model are discussed in details. The analysis result suggests that CorLAS is the most accurate model with the least uncertainty (or highest precision). Mitigation activities can be optimized without compromising safety by using the most accurate and precise model.
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 | 0,000 | 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