Making It Last: an Interactive Lifecycle Calculator for Selecting Water Tank Coatings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Selection and management of coating systems for the interior and/or exterior of a water tank is no easy feat. Owners must consider different factors including cost, lifecycle, and environmental impact when making decisions about coatings. The process of selecting a coating system and maintenance plan for a steel water tank is often based solely on personal opinions about the proposed system's value. These opinions can be limited in scope and hard to verify with data. In recent years, the industry has recognized life cycle costing (LCC) as a method of decision-making for owners and engineers to determine the most economical and sustainable solution for their asset in terms of corrosion protection. AWWA1 D102-21, Coating Steel Water-Storage Tanks, recommends the aid of an economic review using a life cycle costing analysis (LCCA) to determine the best suited course of action for coating and maintaining a steel welded water tank. A collection of multiple industry papers and resources, including the recently published paper “Separating Fact from Fiction - AWWA D102 Coating Service Life” provide unbiased historical data on which coating service life and costing can be extrapolated. Using these resources, an accurate life cycle analysis (LCA) can be completed for any water tank asset. After reading this paper, the reader will have a general understanding of where to locate accurate resources for critical inputs on water tanks, the life cycle costing and environmental analysis process, and how to use a life cycle analysis as a tool for asset management.
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.
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 découle