MétaCan
Menu
Retour à la cohorte
Enregistrement W4413391933 · doi:10.1115/omae2025-157625

Decision-Making Approach to Support the Selection of Remotely Operated Inspection Methods of FPSO Tanks

2025· article· en· W4413391933 sur OpenAlexaff
Renan Favarão da Silva, Gilberto Francisco Martha de Souza, Marjorie Maria Bellinello, Adherbal Caminada Netto

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft and Cryogenic Technologies
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Computer scienceRemotely operated underwater vehicleMarine engineeringDecision support systemEngineeringConstruction engineeringArtificial intelligenceMobile robotRobot

Résumé

récupéré en direct d'OpenAlex

Abstract The inspection of structural members within the cargo or ballast tanks of Floating Production Storage and Offloading (FPSO) platforms is usually carried out in accordance with the requirements of classification society rules. Traditionally, these inspections are conducted by operators who need to access the interior of the tank to inspect points considered critical for the development of degradation processes. Based on the level of degradation, the ship’s owners can evaluate the structural strength and determine the need for maintenance. However, in addition to being time-consuming, inspections carried out by human operators can pose a risk to human life. With the aim of reducing human exposure to risk, remotely operated inspection methods are being considered for their potential application in structural inspections. In this context, this paper presents an approach to support the selection of remotely operated inspection methods for FPSO cargo and ballast tanks. A literature review identified the main remotely operated resources used to assess the structural elements and their different analysis techniques. Then, a multiple criteria decision-making (MCDM) was applied to select the most suitable remotely operated tank inspection method considering criteria that were aligned with the operational context of the organization and performance evaluation of the alternatives supported by expert elicitation.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil0,256

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,316
Écart entre enseignants0,301 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSpacecraft and Cryogenic TechnologiesTravaux en français237 207