Modeling of Microbiologically Influenced Corrosion (MIC) in the Oil and Gas Industry - Past, Present and Future
Notice bibliographique
Résumé
Abstract Microbiologically Influenced Corrosion (MIC) is a complex form of materials degradation caused by the biological activity of microorganisms such as bacteria, archaea and fungi. It is typically characterized by the presence of microbiological populations within a biofilm or semi-solid deposit resulting in localized and accelerated corrosion. While MIC has been actively studied for decades, there is still a significant gap in the ability to accurately predict MIC rates. This is due, in part, to a limited understanding of all the microbiological communities involved in MIC, and the complexity of biological, chemical and operational parameters responsible for MIC. For the oil and gas sector, the threat of MIC can be particularly challenging since it can affect a wide range of operations including upstream production and processing facilities (onshore and offshore), mid-stream and transmission pipelines and water systems. Compared to other corrosion threats, the detection of MIC is typically reactive rather than pro-active (i.e., MIC is difficult to predict and is most often detected after an inspection or failure). As such, there is a continued demand for validated predictive tools to assist in managing the threat of MIC. The objective of this paper is to provide a review of various models and methods that have been developed and applied by both researchers and industry professionals to better understand and predict MIC. This includes a number of phenomenological and mechanistic models that have been developed by the research community to help explain specific MIC mechanisms or predict corrosion rates, and a number of risk-based models applied by industry to screen and rank the potential of MIC threats. The advantages and disadvantages of each modeling approach are summarized, along with a discussion of new potential methods such as molecular modeling, risk based inspection (RBI) and Integrated Computational Materials Engineering (ICME).
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».