MétaCan
Menu
Retour à la cohorte
Enregistrement W3189303430 · doi:10.4043/31328-ms

Structural Digital Twin of FPSO for Monitoring the Hull and Topsides Based on Inspection Data and Load Measurement

2021· article· en· W3189303430 sur OpenAlexaff
Shankar Bhat, Varadarajan Nadathur, David J. Knezevic, Pieter Aalberts, Hans Kolsters, Daniel Amuda, Orobome Atebe, D. T. R. Pasala, Tuyen Hoang, Trong Huu Luong, Phương Huỳnh, Riccardo Righetti, Remco Hageman, Jim Yu

Notice bibliographique

RevueOffshore Technology Conference · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensIntecsea (Canada)
Organismes subventionnairesnon disponible
Mots-clésHullFinite element methodSoftware deploymentAsset managementAsset (computer security)FidelityCondition monitoringComputer scienceEngineeringMarine engineeringReliability engineeringSystems engineeringStructural engineeringSoftware engineeringComputer securityTelecommunicationsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract A high-fidelity FPSO Structural Digital Twin (SDT) based on Reduced Basis Finite Element Analysis (RB-FEA) coupled with inspection data and physical sensor measurements (advisory hull monitoring system) is presented to demonstrate a complete FPSO "digital thread" that combines operational data feeds, detailed structural analysis based on as-is asset condition, and automated structural integrity reporting. This lays the groundwork for a philosophical shift for asset lifecycle management by enabling the use of "as-measured" conditions in lieu of assumed "design-conditions" for a more accurate, and robust understanding of asset health. We demonstrate the deployment of this methodology for the Bonga FPSO and discuss the value that it brings during day-to-day operations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,066
Tête enseignante GPT0,294
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOffshore Technology ConferenceMême sujetStructural Health Monitoring TechniquesTravaux en français237 207