MétaCan
Menu
Retour à la cohorte
Enregistrement W4405351301 · doi:10.1115/ipc2024-133450

Development of an ILI Service for Heavy Wall Pipelines Based on EMAT Technology

2024· article· en· W4405351301 sur OpenAlexaboutno aff
Jay Upadhyaya, Clint Garth, Richard Kania, Aaron Schartner, Markus Hoeving, Timo Moritz, Thomas Beuker

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower Systems and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectromagnetic acoustic transducerPipeline transportService (business)Marine engineeringAcousticsComputer scienceEngineeringMechanical engineeringBusinessPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Electro Magnetic Acoustic Transducer (EMAT) technology based ILI inspections have become vital for maintaining the safety of gas pipelines in order to manage crack threats. This technology has evolved over the past decade and has become widely used. As with any technology, existing EMAT services have limitations based on the physics of EMAT and the approach to the application of the technology in ILI services. This paper will describe how TC Energy and ROSEN collaborated to develop reliable EMAT inspection services for heavy wall pipeline applications in addition to the capability of currently available technology. This technology development process involved advancements in sensor design and fabrication, incorporation of latest electronic developments to enhance magnetization as well as leveraging machine learning techniques to enable EMAT inspection of pipelines up to 16.4 mm wall thickness. The paper will also describe the technology validation process including proof of concept, lab testing, innovative testing process on sample pipe while applying artificial defects that closely mimic natural ones, performance qualification process in line with applicable codes, pilot testing, and performance validation. The full process was executed to conform to typical industry validation requirements and to qualify under operator’s extensive technology validation program. The paper will also review preliminary results of the first pilot application and approval for broader application in pipelines. The paper describes the collaborative efforts of the research and development teams, business line management and key account management at ROSEN as well as the technology validation, threat management, and project management teams at TC Energy. The work has culminated in five inspections completed (48″ and 36″) on the operator’s system in Canada and the USA.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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'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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower Systems and TechnologiesTravaux en français237 207