MétaCan
Menu
Retour à la cohorte
Enregistrement W4386284842 · doi:10.1115/1.4063293

Fatigue Crack Growth Evaluation of Pipeline Steels and Girth Welds

2023· article· en· W4386284842 sur OpenAlexafffund
Dong-Yeob Park, Jie Liang

Notice bibliographique

RevueJournal of Pressure Vessel Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFatigue and fracture mechanics
Établissements canadiensNatural Resources Canada
Organismes subventionnairesOffice of Energy Research and Development
Mots-clésGirth (graph theory)Paris' lawMaterials scienceWeldingMetallurgyAusteniteAustenitic stainless steelPipeline (software)Structural engineeringCrack closureFracture mechanicsComposite materialEngineeringMathematicsCorrosionMechanical engineeringMicrostructure

Résumé

récupéré en direct d'OpenAlex

Abstract Fatigue test specimens were prepared and tested with an API 5 L X70 spiral welded pipe steel and girth weld. For a few selected specimens, two unloading compliance techniques (elastic compliance and back-face strain compliance) were applied simultaneously to a single specimen for direct comparisons of in situ crack size estimation. This paper also includes fatigue crack growth rate (FCGR) data of other pipe steels and welds available in the literature. It was observed that most FCGR curves of pipeline steels (X65–X100) remained within the BS 7910 mean and upper bound design curves in the Paris region. It was noted that the FCGR of austenitic stainless pipe steel and girth weld obtained from Arora et al. (2014), “Fatigue Crack Growth Studies on Narrow Gap Pipe Welds of Austenitic Stainless Steel Material,” Procedia Eng., 86, pp. 203–208) showed a very superior fatigue property.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,337
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,269
Écart entre enseignants0,244 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Pressure Vessel TechnologyMême sujetFatigue and fracture mechanicsTravaux en français237 207