MétaCan
Menu
Retour à la cohorte
Enregistrement W3112099311 · doi:10.1177/1748006x20976802

A failure prediction model for corrosion in gas transmission pipelines

2020· article· en· W3112099311 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part O Journal of Risk and Reliability · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPipeline transportCorrosionPipeline (software)Natural gasForensic engineeringEnvironmental scienceResidualFailure assessmentEngineeringPetroleum engineeringReliability engineeringComputer scienceStructural engineeringEnvironmental engineeringWaste managementMaterials science

Résumé

récupéré en direct d'OpenAlex

Transmission pipelines comprise a major part of a gas network, conveying natural gas within jurisdictions, and across international boundaries. In the United States, more than 10,000 failure incidents have been reported in gas transmission pipelines in a 20-year period from 1996 to 2016 leading to a cumulative property damage of more than $748 million. Among different failure sources, corrosion is ranked as the most frequent one, corresponding to approximately a quarter of total failures. Though in-line inspection is counted as the most frequently applied corrosion monitoring technique for oil and gas pipelines, it imposes considerable costs due to the necessity of implementing frequent inspections using smart devices. For this reason, several failure prediction models have been developed to estimate the corrosion failure. However, the majorities of these prediction models rely solely on experimental tests or limited historical records which undermine the extent of their applicability and ignore pipeline environmental and geographical circumstances. The objective of this research is to develop failure prediction models for external corrosion in underground gas transmission pipelines by considering both conventional and environmental/geographical variables. For this objective, multiple regression analysis was performed on the accessible historical data reported for gas transmission pipelines. Two main climate regions of Great Plains and South East in the US were selected, and their corresponding failure prediction models were developed. Such development was based on a step by step procedure analyzing different scenarios. Considering diagnostic measures, null hypothesis and residual analysis, scenario 3 was selected as satisfactory. The validation tests of the developed models present a root mean square error (RMSE) of 0.04 and 0.07 and R-Sq of 0.93 and 0.75, respectively. The results of this research can be applied in maintenance planning of gas transmission pipeline to estimate the critical time in which a pipeline may encounter external corrosion failure, and to accordingly schedule the maintenance activities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0000,000

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 GPT0,210
Écart entre enseignants0,199 · 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