MétaCan
Menu
Retour à la cohorte
Enregistrement W4312444010 · doi:10.1115/ipc2022-87259

A More Efficient Effective Area Method Algorithm for Corrosion Assessment (Faster RSTRENG)

2022· article· en· W4312444010 sur OpenAlexaff
Jason Yan, Dongliang Lu, Ian Khou, Shenwei Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensAlberta Energy
Organismes subventionnairesnon disponible
Mots-clésCorrosionComputationAlgorithmProcess (computing)Pipeline transportComputer scienceMaterials scienceEngineeringMechanical engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Corrosion is one of the major threats to the safety and structural integrity of oil and gas transmission pipelines. The corrosion threat is usually managed by regular in-line inspection (ILI). The effective area method (RSTRENG) is the most popular corrosion assessment model to convert the measured corrosion size to predicted burst pressure. Given a detailed corrosion measurement profile, the effective area method involves an iterative process to find the minimum burst pressure. As stated in ASME B31G, “for a corroded profile defined by n measurements of depth of corrosion including the end points at nominally full wall thickness, n!/2(n − 2)! iterations are required to examine all possible combinations of local metal loss with respect to surrounding remaining material”, the widely used effective area algorithm has at least an order of n-square time complexity (O(n2)). As n increases, the computation time increases nonlinearly. This paper reviewed the traditional RSTRENG algorithm first, and demonstrated that it is not necessary to always loop through all the combinations and check the corresponding burst pressure one by one. Because some combinations with shallower and shorter corrosion size are certainly not the final critical combination corresponding to the minimum burst pressure. A more efficient algorithm (Faster RSTRENG) is proposed and presented in this paper, which can reduce the algorithm computation time significantly. While the impact of efficiency of the algorithm on the integrity assessment process is insignificant if solely conducting burst pressure calculation in a deterministic way, a highly efficient algorithm is desired when assessing a large volume of corrosion anomalies by the reliability-based (probabilistic) assessment method using Monte Carlo simulation technique where millions of simulations are required. In addition, TC Energy has developed a more accurate and precise corrosion assessment model, i.e., plausible profiles (Psqr) model, published in IPC 2018 and 2020, and reviewed by industry experts through PRCI. The use of Psqr model needs to generate hundreds of profiles for one corrosion anomaly and repeatedly uses the effective area algorithm. This needs extensive computing efforts. When Psqr model was built into the probabilistic assessment framework, the computing efforts were dramatically increased. Therefore, it is of great importance to have a more efficient effective area algorithm to facilitate the probabilistic assessment using Psqr model. A case study was used to demonstrate the efficacy of the developed algorithm by comparing the computation time using different effective area algorithms. Engineers who are already familiar with RSTRENG model, might jump to the Faster RSTRENG section and Annex A directly.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,010
Tête enseignante GPT0,285
Écart entre enseignants0,275 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Integrity and Reliability AnalysisTravaux en français237 207