Reliability-Based Assessment of Cracked Pipelines Using Monte Carlo Simulation Technique With CorLAS™
Notice bibliographique
Résumé
Abstract If not assessed properly, unstable crack growth in pipelines could result in detrimental leaks or ruptures. Fracture mechanics models are typically used to assess the susceptibility of pipelines to fail due to the presence of cracks or crack-like anomalies. To this end, an inelastic (or elastic-plastic) fracture mechanics model, known as CorLAS™ model, has been developed and frequently used by pipeline operators. This paper first reviews the development of the CorLAS™ model and derives the probabilistic characteristics, including mean and coefficient of variation (COV) associated with the CorLAS™ model using a collection of 94 full-scale burst test data from the literature. A comprehensive reliability assessment of cracked pipes based on the CorLAS™ model is performed through the Monte Carlo Simulation (MCS) method. For each reported scenario, the probability of failure (PoF) is calculated by MCS that considers the uncertainties associated with various parameters such as pipe geometry, material properties, and the uncertainty due to the fracture model itself, namely, the model error. Finally, a sensitivity study is conducted considering various input parameters, including pipe grade, pipe diameter, wall thickness, ratio of crack length to depth, ratio of crack depth to wall thickness, and model error COV. The results suggest that the PoFs are highly sensitive to the COV, i.e., the PoFs increase significantly with the increase of the COVs, while the effects of other input parameters on the PoFs are insignificant. It is also shown that the model error COV of CorLAS™ with a value of 13% could serve as a reference value for future model error studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».