MétaCan
Menu
Retour à la cohorte
Enregistrement W4410457078 · doi:10.1016/j.ijpvp.2025.105558

Strain-based modeling of burst pressure in pipelines with selective seam weld corrosion

2025· article· en· W4410457078 sur OpenAlexfundno aff
Ahmed sellami, Matthew A. Franchek, Karolos Grigoriadis, Yingjie Tang, Keng Yap, Debartha Bag

Notice bibliographique

RevueInternational Journal of Pressure Vessels and Piping · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesEnbridge
Mots-clésCorrosionPipeline transportWeldingPressure vesselMaterials scienceStructural engineeringStrain (injury)EngineeringForensic engineeringComposite materialMechanical engineering

Résumé

récupéré en direct d'OpenAlex

A data-driven modeling process has been developed in this study to estimate the burst pressure of pipelines with surface wedge-shaped defects caused by selective seam weld corrosion (SSWC). The modeling of the pipeline burst pressure with SSWC was formulated through finite element analysis (FEA) conducted for different pipe attributes. Parametric studies for each pipe attribute were framed using the Buckingham π theorem, with burst pressure estimates derived by applying the Limiting Triaxial Strain criterion to the FEA stress and strain results. The model predictions were compared to failure pressure estimation results from standard methods used in the industry. A key finding from this research is the critical importance of incorporating the defect vertex radius into the data-driven burst pressure models. A sensitivity analysis was performed to assess how inaccuracies in vertex radius estimation affect predicted burst pressure, and a parametric method has been proposed to estimate the vertex radius using measurable defect parameters. Full-scale hydrostatic burst pressure tests were conducted and compared to the FEA predictions to validate the accuracy of the 3D FEA models and the limiting triaxial strain criterion of pipe failure.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,245
Écart entre enseignants0,237 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Pressure Vessels and PipingMême sujetStructural Integrity and Reliability AnalysisTravaux en français237 207