MétaCan
Menu
Retour à la cohorte
Enregistrement W4280505734 · doi:10.1071/aj21046

Quantifying the reduction of rehabilitation needs and safety risks in the use of innovative well and flowline decommissioning tools

2022· article· en· W4280505734 sur OpenAlexaboutno aff
Geoff Lindsay

Notice bibliographique

RevueThe APPEA Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMarine and Offshore Engineering Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNuclear decommissioningWork (physics)WellheadEngineeringTruckRisk analysis (engineering)Forensic engineeringEnvironmental scienceWaste managementBusinessPetroleum engineering

Résumé

récupéré en direct d'OpenAlex

This paper identifies, measures and demonstrates both the reduction in safety risk and in Environmental Social and Governance (ESG) factors, associated with the traditional cut and cap methods for gas/oil wells and flowlines compared to new innovative internal cutting methods. In 2017 Summit Canada recognised the need to improve the safety of personnel in the oil and gas fields of Canada, during decommisioning of both wellheads and flowlines. The traditionally established method was to excavate a bellhole around the infrastructure and to subsequently cut the wellhead or flowline at 1.5 m below ground level using an oxy-torch. This usually involved an individual standing on a step ladder under a suspended load in an excavation which was often a confined space, not adequately benched or sloped. Comparative data from 5 years of North American and 2 years of Australian experience in decommissioning old wells using internal cuts as opposed to the excavation method are used in the study. The safety risk associated with each method can generally be quantified and given a Hazard Ranking established from crew sizes, kilometres driven and work methods undertaken. Similarly, the ESG factors associated with each method can be quantified in terms of area of disturbance, as well as landholder inconvenience and emissions resulting from number of trucks and personnel movements. A significant reduction in safety risk was the key finding, with the silver lining of also reducing the ESG impacts of gas well and flowline decommissioning 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.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,065
Tête enseignante GPT0,279
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 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe APPEA JournalMême sujetMarine and Offshore Engineering StudiesTravaux en français237 207