MétaCan
Menu
Retour à la cohorte
Enregistrement W4200258693 · doi:10.22214/ijraset.2021.39572

Development of KPI’s for Ageing Export Pipelines in the UK North Sea

2021· article· en· W4200258693 sur OpenAlexaff
Olutayo Opeyemi Ogunmilua

Notice bibliographique

RevueInternational Journal for Research in Applied Science and Engineering Technology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensCanadian Pacific Railway (Canada)
Organismes subventionnairesnon disponible
Mots-clésPipeline transportIntegrity managementSubmarine pipelinePipeline (software)Petroleum engineeringEnvironmental scienceForensic engineeringEngineeringMechanical engineeringEnvironmental engineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract: Export pipelines are of inestimable value to the oil and gas industry, as they have continuously provided a path and means for hydrocarbon transportation. The most recent report from the UK HSE shows that there are about 1372 pipelines installed in the UK North-sea and about 442 of them are ageing export pipelines. The most unique function of these pipelines is to convey fluids from HC wells to the available processing facility; which are applicable for both onshore and offshore applications. During the useful life of these pipelines, they encounter various degradations that range from fatigue, corrosion, thermal expansion, spans, erosion and many other associated third-party challenges. It is the responsibility of duty holders to ensure that these degradations do not propagate into triggering hazardous and catastrophic incidents, to this effect, it is necessary for operators to protect the state of these pipelines by the application of an efficient management structure known as Pipeline Integrity Management System (PIMS). Keywords: Pipeline, Export, Ageing, Key Performance Indicators, PARLOC, OGP, Management, Integrity, Degradation Mechanism, Mitigation, PIMS.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,466
Score d'incertitude au seuil0,310

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,064
Tête enseignante GPT0,352
Écart entre enseignants0,288 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Research in Applied Science and Engineering TechnologyMême sujetOffshore Engineering and TechnologiesTravaux en français237 207