MétaCan
Menu
Retour à la cohorte
Enregistrement W1989951620 · doi:10.1115/icone10-22426

How Good Is Good: Improved Tracking and Managing of Safety Goals, Performance Indicators, Production Targets and Significant Events Using Learning Curves

2002· article· en· W1989951620 sur OpenAlexaff
Romney B. Duffey, John W. Saull

Notice bibliographique

Revue10th International Conference on Nuclear Engineering, Volume 2 · 2002
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensAtomic Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésSet (abstract data type)Tracking (education)Process (computing)Risk analysis (engineering)Event (particle physics)Production (economics)Computer scienceFunction (biology)Performance indicatorReliability engineeringOperations managementEngineeringBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

We show a new way to track and measure safety and performance using learning curves derived on a mathematical basis. When unusual or abnormal events occur in plants and equipment, the regulator and good management practice requires they be reported, investigated, understood and rectified. In addition to reporting so-called “significant events”, both management and the regulator often set targets for individual and collective performance, which are used for both reward and criticism. For almost completely safe systems, like nuclear power plants, commercial aircraft and chemical facilities, many parameters are tracked and measured. Continuous improvement has to be demonstrated, as well as meeting reduced occurrence rates, which are set as management goals or targets. This process usually takes the form of statistics for availability of plant and equipment, forced or unplanned maintenance outage, loss of safety function, safety or procedural violations, etc. These are often rolled up into a set of so-called “Performance Indicators” as measures of how well safety and operation is being managed at a given facility. The overall operating standards of an industry are also measured. A whole discipline is formed of tracking, measuring, reporting, managing and understanding the plethora of indicators and data. Decreasing occurrence rates and meeting or exceeding goals are seen and rewarded as virtues. Managers and operators need to know how good is their safety management system that has been adopted and used (and paid for), and whether it can itself be improved. We show the importance of accumulated experience in correctly measuring and tracking the decreasing event and error rates speculating a finite minimum rate. We show that the rate of improvement constitutes a measurable “learning curve”, and the attainment of the goals and targets can be affected by the adopted measures. We examine some of the available data on significant events, reportable occurrences, and loss of availability. We suggest the use of learning curves as a means of accurately tracking progress; and stress the importance of a sustained learning environment in performance improvement.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,891
Score d'incertitude au seuil0,755

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,047
Tête enseignante GPT0,275
Écart entre enseignants0,228 · 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'étudeSimulation ou modélisation
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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue10th International Conference on Nuclear Engineering, Volume 2Même sujetRisk and Safety AnalysisTravaux en français237 207