MétaCan
Menu
Retour à la cohorte
Enregistrement W4390064206 · doi:10.1016/j.ijpvp.2023.105113

Analyzing joint efficiency in storage tanks: A comparative study of API 650 standard and API 579 using finite element analysis for enhanced reliability

2023· article· en· W4390064206 sur OpenAlexaff
Deivi García-G, J. Barco-Burgos, Jaime Chaparro, Ursula Eicker, Diego R. Joya-Cárdenas, Alberto Saldaña-Robles

Notice bibliographique

RevueInternational Journal of Pressure Vessels and Piping · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensUniversité du Québec à Trois-RivièresConcordia University
Organismes subventionnairesChartered Institute of Management Accountants
Mots-clésFinite element methodReliability (semiconductor)Joint (building)Structural engineeringEngineeringConstraint (computer-aided design)DocumentationMode (computer interface)Failure mode and effects analysisSafety factorBucklingStability (learning theory)Reliability engineeringMechanical engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

This study compares two renowned methodologies, API 650 and API 579, focusing on the analysis of joint efficiency at a value of 0.7. Using Finite Element Analysis (FEA), the research suggests that a 35 % increase in filling height might be achievable for a large tank that adhere to the stability criteria outlined by API 650. To support these findings, 337 simulations rigorously examined various parameters. These encompass the design factor (β), bottom constraint, geometric configuration, mesh size, and a newly introduced Local ASME criterion. The latter is specifically introduced to evaluate protection against plastic collapse for Maximum Fill Height (MFH). Additionally, the study advocates elevating the joint efficiency from 0.7 to a range of 0.8–0.87 in API 653. This recommendation is pertinent to storage tanks that are not susceptible to buckling failure mode and possess limited documentation. The outcomes of this research provide significant insights into tank design and have the potential to refine industry standards and practices.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,117
Tête enseignante GPT0,391
Écart entre enseignants0,274 · 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'étudeSimulation ou modélisation
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'admission1
Résumé présentnon

Explorer davantage

Même revueInternational Journal of Pressure Vessels and PipingMême sujetProbabilistic and Robust Engineering DesignTravaux en français237 207