Coupling of advanced techniques for dynamic risk management
Notice bibliographique
Résumé
Identification and assessment of hazards and risks in the activities of the process industry are of paramount importance for the prevention of major accidents. Although several techniques of HAZard Identification (HAZID) and quantified risk analysis have often been proved effective in the industry, they generally lack the dynamic dimension of risk management. In other words, they lack the ability to learn from new risk notions, experience and early warnings. When carrying out HAZID and risk assessment, there is the need to know how to deal with atypical accident scenarios as soon as their emergence is demonstrated. The related risk needs to be addressed in an ever-changing environment. In fact, what is not identified or assessed cannot be prevented or mitigated and latent risk is more dangerous than recognized one due to the relative lack of preparedness. This study proposes a dynamic approach to risk by coupling an advanced technique for hazard identification to an innovative method for risk assessment: the Dynamic procedure for atypical scenarios identification (DyPASI) and the Dynamic risk assessment (DRA) method. DyPASI was developed within the EC project iNTeg-Risk. This technique aims to complete and update HAZID. Atypical accident scenarios, which by definition are deviating from normal expectations of unwanted events or worst case reference scenarios, are identified through a systematic screening of related emerging risk notions. The DRA method aims to estimate the updated expected frequency of accident scenarios by means of Bayesian inference. Real time abnormal situations or incident data are used as new information to update the failure probabilities of the system safety barriers, which necessarily affect the overall scenario frequencies and the related risk profile. The BP Texas City refinery accident, that occurred on 23 March 2005, was considered as a case study. The results obtained from the application of the dynamic risk approach show that the accident should have been expected and its occurrence probability could have been reduced through this approach. The results highlight the need of safety culture and decision-making processes capable of dealing dynamically with emerging and increasing risk issues.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».