Verification of Internal Corrosion Through ILI and Non-Destructive Testing: Lessons Learned
Notice bibliographique
Résumé
Abstract Verification of In line Inspection results is often challenging for pipelines with internal corrosion, especially in areas of extensive corrosion and/or areas with challenging corrosion morphologies such as pinhole corrosion (as defined by the Pipeline Operators Forum [1]). The most reliable method which many operators choose is to rely on cut-outs for the purpose of both mitigation and ILI verification. However, depending on the diameter and the criticality of the pipeline, verification of internal corrosion features from in line inspection may be based exclusively on ultrasonic (UT) non-destructive examination (NDE). These ultrasonic inspection techniques can range from hand-held pencil probes to automated scanning systems. The output from these methods does vary both in quantity and quality which can and does impact the potential tool validation as per API 1163 [2]. This paper outlines the results from these different inspection techniques and then compares it to laser scan and pit gauge measurements once the inner surface of the pipe wall is available. This work was done across multiple pipeline diameters and various internal corrosion mechanisms. It reviews the strengths and weakness of the individual NDE measurements and compares them to the original Magnetic Flux Leakage (MFL) inspections from the perspective of validating the inline inspection. An output from this study is a series of guidelines that should be used when verifying internal corrosion that both operators and tool providers can use to determine tool performance. These guidelines help to verify both the ILI tool performance as well as the relevant non-destructive method.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».