MétaCan
Menu
Retour à la cohorte
Enregistrement W2013060508 · doi:10.2166/ws.2011.069

Managing incidents in the water utility sector – towards high reliability?

2011· article· en· W2013060508 sur OpenAlexaff
Roland Alexander Bradshaw, Aine Gormley-Gallagher, Jeffrey Charrois, Steve E. Hrudey, Nancy Cromar, Daniel Jalba, Simon Pollard

Notice bibliographique

RevueWater Science & Technology Water Supply · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueOil and Gas Production Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Environment Research CouncilEconomic and Social Research CouncilEngineering and Physical Sciences Research CouncilDepartment for Environment, Food and Rural Affairs, UK Government
Mots-clésReliability (semiconductor)Resilience (materials science)Risk analysis (engineering)Incident responseWater utilityControl (management)BusinessComputer scienceComputer securityOperations managementReliability engineeringWater supplyEngineering

Résumé

récupéré en direct d'OpenAlex

Do water utilities exhibit characteristics of high organisational reliability? Here, the reported characteristics of high reliability organisations (HROs) were explored within a regional water utility, and specifically within their incident response team. We found the utility well positioned to manage incidents and that many HRO principles were identifiable as management practice under these trying conditions. The observance of HRO principles contributed to the resilience of the organisation and toward the maintenance of a safe and reliable drinking water supply. An investigation of technical reliability in the system showed that the utility invested heavily in automated monitoring and control systems and took a differentiated, risk-based approach towards resource allocation to that of HROs, which maintain existing technology with zero tolerance of defective, substandard or malfunctioning equipment.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,312
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,207
Écart entre enseignants0,195 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & Technology Water SupplyMême sujetOil and Gas Production TechniquesTravaux en français237 207