MétaCan
Menu
Retour à la cohorte
Enregistrement W4385873401 · doi:10.55274/r0012068

PR-393-205100-R01 IRIS X-Ray CT Qualification for Flexible Pipe Inspection (Phase 1)

2021· report· en· W4385873401 sur OpenAlexaff
Agnes Decroux, Kassem Kalo, Keith Swinden

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensCybernet Systems Corporation (Canada)
Organismes subventionnairesnon disponible
Mots-clésSubseaArmourEngineeringAcousticsMaterials scienceLayer (electronics)Marine engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

There are several techniques available to inspect single wall carbon steel pipelines including; Magnetic flux leakage (MFL), ultrasonic testing (UT), Electro-Magnetic Acoustic Transducer (EMAT), Phased Array, guide wave testing (GWT), etc. However, for more complex structures such as flexible pipelines the technology available to inspect them is far more limited. PRCI commissioned a program (SPIM 2-1) under the Subsea TC (2017-2020) to evaluate all known and suspected technologies that could be used to provide a detailed subsea inspection of a flexible riser. PRCI produced four samples of flexible pipe containing pre-manufactured cracks and corrosion defects which were located in; the outer armour layer, inner armour layer, pressure vault and carcass. The samples were used for blind testing of all identified inspection technologies. On conclusion of the SPIM 2-1 program, HR-XCT was identified as the technology showing the most promise and a follow-on program (SPIM 2-2) was commissioned to further explore the capabilities. This report will show the way in which high resolution image clarity and image manipulation was extracted from the HR-XCT system when used on the PRCI flexible pipe samples. The XCT results from SPIM 2-2 will be presented to show the initial setup of the experiment and 2D and 3D high resolution sectioned images from the testing. These images clearly identify and characterize 100% of the pre-manufactured defects introduced into the samples in all layers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,874
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,316
Écart entre enseignants0,266 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOffshore Engineering and TechnologiesTravaux en français237 207