MétaCan
Menu
Retour à la cohorte
Enregistrement W4389140568 · doi:10.1115/pvp2023-105832

PRCI Burst Pressure Model Modernization and Performance

2023· article· en· W4389140568 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensStantec (Canada)
Organismes subventionnairesnon disponible
Mots-clésCharpy impact testFracture toughnessFracture mechanicsToughnessStress corrosion crackingPipeline transportStructural engineeringComputer scienceMaterials scienceEngineeringMechanical engineeringCorrosionComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The Pipeline Research Council International (PRCI) contracted development and deployment of a burst pressure prediction fracture mechanics model in 2001, embodied in the CorLAS™ V2.0 software. Since that time, many North American operators have made this model an integral part of their integrity management processes with excellent track records for both effectiveness and efficiency. Even though the PRCI burst model originally targeted pipe body stress corrosion cracking, operators have found the model performs equally well for discrete crack-like features associated with long seam welds, and highly versatile in estimating burst pressures of irregularly shaped crack-likes reported by both in-line inspection tools and field non-destructive evaluations. The question is: can application of the model evolve to address emerging threats and trends? As the pipeline industry transitions away from Charpy V-Notch energy as a low fidelity fracture toughness surrogate, Enbridge has repackaged the PRCI burst model to accept K toughness directly, and referred to as KorLAS herein to denote K input built on legacy CorLAS™ equations and empiricism. KorLAS performance over the tested range of flaw dimensions, pipe steel toughness, wall thicknesses, crack morphology, and crack shape are assessed and compared to test and forensic data. The pipeline industry has emerging technologies which are able to detect, size, and report selective seam weld corrosion (SSWC) features. The predicted burst pressures of SSWC features have historically been difficult to predict. A reasonable and prudent tailored KorLAS input method to assess SSWC fitness for service is presented. KorLAS performance at lower toughness has been difficult to validate or judge due to the scarcity of available test data. Test data now made available to the public allows tentative envelope expansion down to about the 10th percentile toughness observed in North American vintage line pipe. Although cold welds can be problematic to detect, KorLAS performance in assessment of cold welds is evaluated against available test data.

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.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,184

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,208
Écart entre enseignants0,195 · 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