Experience, testing and future development of an ultrasonic inspection analysis defect decision support tool for CANDU reactors
Notice bibliographique
Résumé
Ultrasonic inspections are undertaken on a routine basis during outages of CANDU reactors. Expert interpretation of the data generated during these inspections is used to confirm the integrity of zirconium alloy pressure tubes which house fuel bundles. The inspections form an essential component of the outage programme for CANDU reactors and as such are part of the critical outage path. Analysis of the large volume of data generated is undertaken by a small team of engineers who apply expert knowledge and interpretation through a robust review process that involves multiple human experts reviewing datasets before a consolidated view is determined. Recent work on automated defect detection and analysis on historical ultrasonic data has demonstrated the viability of a decision support tool which can aid the existing analysis process. Testing of the prototype system with engineers and domain experts has enabled improvement in accuracy and capabilities while highlighting tasks within existing procedures where explicit descriptions of all scenarios cannot feasibly be specified and where therefore human judgement plays a more important role. Development of the software, as a support tool to enable more rapid analysis of typical defects, is intended to enable increases in the time available for experts to consider more complex defects. This paper discusses the development of the software prototype, potential deployment routes for the prototype system, considering the interactions with the existing process, benefits which may be realised and limitations that may be addressed through the use of data-driven analysis techniques
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».