Insulations Ageing & CUI Implications – A Comparison of Lab & Field Samples
Notice bibliographique
Résumé
Abstract Corrosion under insulation (CUI) is among the leading damage mechanisms in the hydrocarbon industry and its prediction has reportedly been ambiguous as that relies on many unknown unknowns. Insulation condition is one of the key factors in predicting the CUI risk in a modern-day risk-based inspection (RBI) program. On the other hand, there is not much clarity on predicting the insulation condition as the insulation(s) generally tend to change their physical properties while being subjected to heat and external environmental conditions. Also, there are no established baselines to gauge the extent of aging of insulations for accurate prediction of CUI risk(s). This study attempts to compare the aging behavior/ condition of two commonly used types of insulations namely mineral wool and Calcium silicate (CalSil) as they were subjected to aging in (a) lab setting and (b) field environment. To account for aging behaviors, the leachates were prepared per ASTM C871 followed by Inductively coupled plasma (ICP) spectroscopy and corrosion tests via three different methods namely autoclave immersion tests, ASTM C1617 dripping tests and ASTM G189-07 CUI simulation tests. The corroded steel samples from each test configuration and candidate insulations were further characterized by weight loss methods to establish corrosion rate followed by confocal laser topography and scanning electron microscopy (SEM) to understand the corrosion modes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».