MétaCan
Menu
Retour à la cohorte
Enregistrement W4409501912 · doi:10.5006/c2022-17504

Impact of Maintenance Activities on Future Integrity of Transmission Pipelines

2022· article· en· W4409501912 sur OpenAlexaboutno aff
Haralampos Tsaprailis, Jiajun Liang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPipeline transportComputer scienceMaintenance engineeringReliability engineeringEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Transmission pipeline operators regularly inspect their assets using in-line inspection (ILI) tools to monitor for potential internal and external threats to the system. When these tools identify features that meet excavation criteria, the operators will complete mitigation activities to reduce or remove the threat. Typically, these mitigation activities include excavation of the pipeline, removal of the coating, and non-destructive examination at the targeted feature. Upon completion of the maintenance activities, the pipeline is then re-coated and the backfill restored. During the maintenance work, the pipeline’s coating at the ends of the excavation is exposed to atmospheric conditions (e.g., sun light, humidity, etc.). Moreover, the pipeline is then exposed to disturbed soil with varying moisture content after being backfilled. Depending on the coating type, these conditions may increase the corrosivity of the localized environment at the existing coating (that was left as-is) and at the pipe ends. Approximately 16,000 digs in Canada and the United States of America were analyzed to determine the impact of maintenance activities on the future integrity of transmission pipelines. A re-visit rate at previously excavated locations of less than 1% was observed based on this analysis. Typically, the revisit occurs 4 years after the initial visit. As expected, most of the revisits were associated with pipelines that were originally coated with polyethylene tape. Within this paper, strategies to reduce the revisit rate will also be discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,249
Écart entre enseignants0,239 · 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Integrity and Reliability AnalysisTravaux en français237 207