Influence of Insulation Stand-Off Membranes and Moisture Drainage on the Corrosion Under Insulation Behavior of Out-of-Service Carbon Steel Piping
Notice bibliographique
Résumé
Corrosion under insulation (CUI) is reported as being the driver behind the majority of failures in thermally insulated process piping and poses significant maintenance expenditures and service interruptions. Small-bore pipes are more prone to failure from CUI due to their lower wall thickness and lower surface area in comparison to larger diameter pipes. This research work simulates the CUI behavior of small-bore piping over a 12-month period in outdoor settings to mimic the out-of-service conditions in an industrial field setting. For this, two sets of assemblies were made which comprised fibrous stone wool insulations applied over the carbon steel coupons with and without stand-off membranes and low-point drain. Both assemblies were presoaked via submerging in water and tested in outdoor conditions for 12 months followed by insulation removal and detailed characterizations. Corrosion behaviors of steel coupons were studied using weight loss, pit depth measurement, surface profile topography, and scanning electron microscopy, whereas chemical compositions of the corrosion products were investigated using x-ray diffraction. Corrosion rates derived from mass loss data were compared with those calculated using the semi-quantitative risk-based inspection method. The kinetics behind the formation of various corrosion products are also discussed. The stand-off membranes and low-point drain resulted in the reduced time of wetness (i.e., moisture exposure time) that in turn resulted in the domination of lepidocrocite (γ-FeOOH) along with reduced uniform metal loss rate and reduced pit depth in comparison to conventional closed-contact insulation system.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».