关于可扩展精度的结论

我们一直在讨论可扩展的准确性及其与所有者/运营商可用的生命周期管理技术相关的使用。最后几个主题包括基于风险的检查，，，，使用准确性的适应性，方法设备生命周期管理并且，为了适当思考奠定基础提出可扩展准确性的案例。您可以查看有关此主题的最后几个博客。

在本周的博客中，我们将结束有关可扩展准确性的讨论。

我想讨论确定性和不确定性。下面的模型说明了我们在数据中分散并随后的输出结果时会发生什么。定性RBI或更保守的FFS的意图是我们向保守派犯错。在这种情况下，我们的散射高于绝对确定性线。

如果我们误以为模型的非保守性方面，或低于绝对确定性线，我们可能会在No-Man的土地上。Examples of when this happens are when we use inexperienced or unqualified people for the damage mechanisms assignment or to make reasonably conservative assumptions in RBI or FFS, when we have erroneous data, when conditions driving the damage change and we don’t know it, etc.

使用这种可扩展的精度方法，可以优化资源和金钱的使用。

希望您能看到最新的API RP 581技术是一种完全校准的风险模型，可以定性地用于半量化，并以可扩展的方式增强，以获得调整后的，更准确的T-MIN和POF。这些技术也非常强大，并为管理固定设备的检查和工程专业人员的困境和挑战提供了答案。

一致性，系统的工作流程，假设的文档以及合格的分析师和团队成员肯定很重要。关于确定性不确定性模型，随着设备的年龄或更大的损坏，如果有危险的话，我们将获得更多数据来告诉我们有关设备状况的更多信息，我们将越来越接近关于真实伤害状态的绝对确定性线或设备的状况。在正确的时间，我们将修理或更换设备。在设备生命周期的过程中，我们可以决定通过引入衬里，注入化学物质以缓慢腐蚀等，来减轻或减慢延长设备寿命的损害。

最后，风险分析提供了说服管理所需的信息。该过程还可以从该列表中删除某些项目，例如RBI等工具，可以通过系统，一致，技术上合理的方法来识别非价值添加实践。

务必注册我们的电子邮件通讯并参观我们的LinkedIn组页面发表有关此和其他主题的评论。