Applying System-Theoretic Accident Model and Processes (STAMP) to Hazard Analysis
Notice bibliographique
Résumé
Although traditional hazard analysis techniques, such as failure modes and effect analysis (FMEA), and fault tree analysis (FTA) have been used for a long time, they are not well-suited to handling modern systems with complex software, human-machine interactions, and decision-making procedures. This is mainly because traditional hazard analysis techniques rely on a direct cause-effect chain and have no unified guidance to lead the hazard analysis. The Systems Theoretic Accident Model and Process (STAMP) is based on systems theory to try to find out as much as possible about the factors involved in a hazard, and with providing clear guidance as to the control structure leading to the hazard. The Darlington Nuclear Power Generating Station was the first nuclear plant in the world in which the safety shutdown systems are computer controlled. Although FTA and FMEA have already been applied to these shutdown systems, Ontario power generation felt that it is still useful to try recent advances to evaluate whether they can improve on the previous hazard analysis. This thesis introduces the two most common traditional techniques of hazard analysis, FTA and FMEA, as well as two systemic techniques, STPA (which is a hazard analysis method associated with STAMP), and the Functional Resonance Accident Model (FRAM). The thesis also explains why we chose STPA to apply to the Darlington Shutdown System case, and provides an example of the application as well as an evaluation of its use compared with FMEA and FTA.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».