MétaCan
Menu
Retour à la cohorte
Enregistrement W4406265797 · doi:10.1109/ismar62088.2024.00086

Extended Reality and Digital Twin in the Oil and Gas Pipeline Industry: A Systematic Review on Applications, Trends, and Future Directions

2024· review· en· W4406265797 sur OpenAlexafffund
Muskan Sarvesh, Ryan Kang, Hyeongil Nam, Simon Park, Ron Hugo, Frank Maurer, Kangsoo Kim

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineEngineering
ThématiqueOil and Gas Production Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta Innovates
Mots-clésPipeline (software)Petroleum industryFossil fuelComputer sciencePipeline transportPetroleum engineeringData scienceEnvironmental scienceEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Immersive and simulation technologies, such as Augmented Reality (AR), Virtual Reality (VR), Mixed Reality (MR), and Digital Twins (DTs), have proven effective in enhancing decision-making, streamlining operations, and improving safety through intuitive visualizations. Unsurprisingly, the oil and gas (O&G) pipeline industry is increasingly turning to these technologies to tackle complex construction and resource management challenges. This paper reviews the applications, benefits, and future trends of these technologies, focusing on integration and emerging trends in monitoring, training, maintenance, and testing. It identifies potential gaps, offers guidance for future research, and emphasizes adapting to technological evolution, providing insights to improve system reliability and sustainability in O&G pipeline operations using immersion and simulation methods.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,699

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,023
Tête enseignante GPT0,306
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetOil and Gas Production TechniquesTravaux en français237 207