MétaCan
Menu
Retour à la cohorte
Enregistrement W3126103780 · doi:10.1115/ipc2020-9230

Lessons Learned From Freespans at Pipeline Watercourse Crossings

2020· article· en· W3126103780 sur OpenAlexaff
Gerry Ferris

Notice bibliographique

RevueVolume 3: Operations, Monitoring, and Maintenance; Materials and Joining · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Underground Structures
Établissements canadiensBGC Engineering (Canada)
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)Pipeline transportLead (geology)Limit (mathematics)Forensic engineeringEnvironmental scienceEngineeringMarine engineeringComputer sciencePetroleum engineeringGeologyMechanical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Over the past 10 years inspections (site visits, boat based surveys or diver surveys) have been completed at nearly 20,000 pipeline watercourse crossings for 20 different pipeline owners. During the last 10 years there have been 721 unique locations where an exposed pipeline was found and at 213 of these locations a freespan was encountered. Only one of the freespans resulted in the failure (loss of product) of the pipeline. This record illustrates what is now become widely accepted, that pipeline exposure does not necessarily lead to pipeline failure. The record adds to this, pipeline freespan does not necessarily lead to failure. This highlights that the relevant question for “water loading caused pipeline failure” is: Does the combination of freespan length and water velocity exceed a combination that would lead to vortex induced vibration or the exceedance of the static load limit of the pipe?

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,605
Score d'incertitude au seuil0,967

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 savante0,0010,000
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 Opus0,026
Tête enseignante GPT0,240
Écart entre enseignants0,214 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 3: Operations, Monitoring, and Maintenance; Materials and JoiningMême sujetGeotechnical Engineering and Underground StructuresTravaux en français237 207