MétaCan
Menu
Retour à la cohorte
Enregistrement W3125260291 · doi:10.1115/ipc2020-9706

A Quantitative Index to Assess the Influence of Joint Fit-Up on Pipeline Weld Root Discontinuities

2020· article· en· W3125260291 sur OpenAlexaff
Mitchell R. Grams, Luke Ludwig, Patricio F. Méndez

Notice bibliographique

RevueVolume 3: Operations, Monitoring, and Maintenance; Materials and Joining · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueWelding Techniques and Residual Stresses
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésClassification of discontinuitiesWeldingOffset (computer science)Pipeline transportStructural engineeringDiscontinuity (linguistics)Materials scienceEngineeringMechanical engineeringComputer scienceMathematicsComposite materialMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Abstract Field experience on pipelines suggests that under the unique conditions of tie-in welding, a high-low offset at the inner pipe wall is related to an increased occurrence of latent root weld discontinuities such as cold cracking. Codes and standards offer conflicting and unclear guidelines regarding acceptance criteria for high-low offset. This study presents a numerical index to quantify the influence of non-ideal joint geometry on the latent discontinuity susceptibility of the root pass for circumferential pipeline welds. The index is based on the stress concentration at the root and the angular distortion associated with plastic strains produced during welding. This index relates geometric considerations such as pipe diameter, wall thickness, and the cross section of the root pass with welding procedure variables and the mechanical properties of the pipeline material. Although this study is meant for steel pipelines, the conclusions obtained are also applicable to other materials. The index presented is a contribution towards an objective criterion for acceptance of high-low offset during field welding, ranking the susceptibility to latent discontinuities as a function of variables available to practitioners during field welding.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,225
Score d'incertitude au seuil0,494

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,044
Tête enseignante GPT0,274
Écart entre enseignants0,231 · 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 tête enseignante, 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 3: Operations, Monitoring, and Maintenance; Materials and JoiningMême sujetWelding Techniques and Residual StressesTravaux en français237 207