MétaCan
Menu
Retour à la cohorte
Enregistrement W4312533594 · doi:10.1115/pvp2022-86188

A Review of Constraint Effects on Fracture Toughness for Structural Integrity Assessment in Fitness-for-Service Codes

2022· review· en· W4312533594 sur OpenAlexaff
Steven X. Xu, Kim Wallin

Notice bibliographique

RevueVolume 1: Codes and Standards · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueFatigue and fracture mechanics
Établissements canadiensKinectrics (Canada)
Organismes subventionnairesnon disponible
Mots-clésConstraint (computer-aided design)Structural integrityFracture toughnessStructural engineeringComponent (thermodynamics)Reliability engineeringFracture (geology)BrittlenessService (business)ToughnessMatching (statistics)Computer scienceEngineeringForensic engineeringMaterials scienceMechanical engineeringComposite materialMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract It is well known that direct application of fracture toughness values measured from standard laboratory specimens to structural components without matching constraint conditions may lead to over-conservative results for structural integrity assessment. In some cases, this may lead to unnecessary repairs or even to an early retirement of the structural component. This is particularly true for structural components operating at late life. For this reason, inclusion of constraint effects on fracture toughness in structural integrity assessment is of great importance. Research on the constraint effects has been very fruitful and is generating standardized methods and procedures that are suitable for engineering applications. This paper provides a review of constraint effects on fracture toughness for structural integrity assessment in fitness-for-service codes. Several fitness-for-service codes (API 579-1/ASME FFS-1, BS 7910, R6, SINTAP/FITNET) have code provisions for including the constraint effects on fracture in ductile-brittle transition region. This paper reviews the two fracture toughness adjustment methods as implemented in the 2019 Edition of BS 7910 and the 2021 Edition of API 579-1/ASME FFS-1. We present the results from a comparative study of the two adjustment methods using four sets of test data recently published in the literature.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,031
Tête enseignante GPT0,344
Écart entre enseignants0,313 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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 revueVolume 1: Codes and StandardsMême sujetFatigue and fracture mechanicsTravaux en français237 207