MétaCan
Menu
Retour à la cohorte
Enregistrement W7130419967 · doi:10.5006/m2025_00360

Monitoring Cathodic Protection System Assets Using Secure Cloud-Based Communication Architecture

2025· article· W7130419967 sur OpenAlexaff
Jamey Hilleary

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineComputer Science
ThématiqueDiverse Research and Applications
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésSCADAPersonalizationPipeline (software)Data acquisitionServerData Protection Act 1998Data securityData access

Résumé

récupéré en direct d'OpenAlex

Abstract Web-based monitoring is widely used in the oil and gas pipeline industry for cathodic protection data acquisition and rectifier interruption control. This technology has evolved from monitoring companies using a few servers at the back of the office to more secure, cloud-based data environments. A major concern facing many international pipeline companies is the desire to store and access the sensitive data within the operating company's national boundaries. This paper looks at the services available through major cloud-based data companies enabling sensitive cloud-based data to reside in the operating companies’ home country. In addition to focusing on the innate data security this approach provides; attention is also given to the operational benefits this type of data network affords the user. This approach enables the company providing the monitoring to supply the end user with the screens, tools, and full functionality of the monitoring system and still maintain the security provided through housing the data locally. This approach is in contrast to SCADA based data acquisition which requires a great deal of customization of the host system to provide a similar "feature rich" user experience. Finally, this paper will also look at the pluses and minuses of each data acquisition approach, providing the consumer with the necessary knowledge to make an informed decision as to the best approach for their circumstances.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,047
Tête enseignante GPT0,322
Écart entre enseignants0,275 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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 sujetDiverse Research and ApplicationsTravaux en français237 207