Notice bibliographique
Résumé
The energy transportation network of the United States consists of over 2.5 million miles of pipelines operated by approximately 3,000 companies. Based on data generated from annual reports to PHMSA from pipeline operators, the network includes approximately: • 173,000 miles of hazardous liquid pipeline; • 324,000 miles of gas transmission and gathering pipelines; • 2,037,000 miles of natural gas distribution mains and service pipelines; • 113 LNG plants connected to natural gas systems. There are 580,000 kilometers of pipeline in Canada, transferring oil and natural gas to various locations within the country, North America, and to ports, where products can then be shipped globally. As organizations change and grow, there is a need to determine not only the risk of a specific project or new asset, but the effect of that project or new asset on the risk profile of the facility or pipeline. Different types of risk evaluations may be performed at a location, so obtaining a risk score that can integrate various risk assessment techniques can be a challenge. This paper proposes a new technique developed to meet this need, called the cumulative risk assessment process. The cumulative risk assessment provides a quantified value for the operating risk at a facility based on the following formulae: BaselineRiskValue=L×C(1)OperatingRiskValue=BaselineRiskValue×(1×10−MitCredits)(2)CumulativeRiskValue=Σ(OperatingRiskValue)scen(3) Baseline risk is defined as the risk value in the absence of mitigation or risk control. Operating risk is the current risk level with existing mitigation and risk controls in place, evaluated in the calculation as mitigation credits. For the baseline risk calculation (L) refers to Likelihood and (C) refers to Consequence. Both baseline and operating risk are evaluated per scenario, with all scenarios summed to obtain the cumulative risk value for a location, pipeline or pipeline segment. This paper describes the cumulative risk assessment process and provides examples of how this risk assessment technique can be applied to an existing facility with new assets constructed and to a segment of operating mainline pipe.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,004 |
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 ».