کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7195069 1468191 2018 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Stochastic corrosion growth modeling for pipelines using mass inspection data
ترجمه فارسی عنوان
مدل سازی رشد اشتعال تصادفی برای خطوط لوله با استفاده از داده های بازرسی جمعی
کلمات کلیدی
خط لوله، رشد خوردگی، رویکرد مبتنی بر جمعیت، اطلاعات بازرسی جامع، ارزیابی یکپارچگی،
ترجمه چکیده
ارزیابی صحت خط لوله های خورنده نیاز به برآورد اندازه های فعلی و آینده ویژگی ها دارد. رشد خوردگی اغلب از نتایج بازرسی ها با تحلیل مسیر رشد ویژگی خاص مشخص می شود. هدف این است که یک مدل احتمالاتی جدید برای تعیین تخلخل فعلی و آینده فلز برای خطوط لوله خوردگی بر اساس داده های بازرسی جرمی. این مدل ویژگی های خوردگی را از دیدگاه جمعیتی بدون در نظر گرفتن رشد محلی هر یک از ویژگی ها بررسی می کند. اشتباهات اندازه گیری مانند تشخیص، تماس های نادرست و خطاهای اندازه گیری در نظر گرفته می شود که جمعیت ویژگی های واقعی را از داده های بازرسی آورده است. دو فرآیند گاما تصادفی جداگانه برای مدل سازی رشد خوردگی ویژگی های موجود و جدید بین بازرسی ها اعمال می شود. مدل پیشنهادی مبتنی بر جمعیت نیازی به تطابق ویژگی در مقایسه با یک تجزیه و تحلیل رشد خاص خوردگی ندارد. مدل توسعه یافته ایده آل برای خطوط لوله با تراکم ویژگی های بالا که در آن تطبیق ویژگی می تواند زمان فشرده و مستعد خطاهای. اندازه مشکل در مدل پیشنهادی مستقل از تعداد ویژگی های مشاهده شده است و در نتیجه، پردازش داده های کارآمد تضمین شده است. نتایج تجزیه و تحلیل نتایج به دست آمده اغلب برای مدیریت یکپارچگی خطوط لوله بدون افزایش تلاش تجزیه و تحلیل رشد خاص خوردگی کافی است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
چکیده انگلیسی
Integrity assessment of corroded pipelines requires estimates of the current and future sizes of the features. Corrosion growth is often inferred from inspection results by analyzing the feature-specific growth path. The objective is to introduce a new probabilistic model to determine the current and future metal loss for corroded pipelines based on mass inspection data. The model treats the corrosion features from a population perspective without tracking the local growth of each feature. Measurement errors such as detectability, false calls, and sizing errors are considered to infer the population of actual features from the inspection data. Two separate stochastic gamma processes are applied to model corrosion growth of the already existing and new features between inspections. The proposed population-based model does not require feature matching compared to a feature-specific corrosion growth analysis. The developed model is ideal for pipelines with high feature densities where feature matching can be time intensive and prone to errors. The problem size in the proposed model is independent of the number of observed features and, consequently, efficient data processing is guaranteed. The obtained analysis results are often sufficient to manage the integrity of pipelines without the increased effort of a feature-specific corrosion growth analysis.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Reliability Engineering & System Safety - Volume 180, December 2018, Pages 245-254
نویسندگان
, ,