Notice bibliographique
Résumé
The pipeline risk assessment has been part of the integrity management in the industry in today’s environment of increasing regulatory and public oversight. One of the widely used risk assessment method is the score index method. This method has been used for more than two decades and is widely accepted in the pipeline industry. The input data is relatively easy to acquire. The method provides details of mitigation options and relative risk values. However, this method does not provide the simple decision making process. In risk management, it is always the question to choose the most cost effective mitigation option to use limited resources. On the basis of score index risk assessment method, a method to correlate the probability of failure score with actual failure probability, and leak impact factor score with actual failure consequence in monetary units has been developed. This method applies the monetarily calibrated consequence factor to the probability of failure to obtain a normalized and calibrated risk in monetary unit. By comparing the cost of an estimated mitigation program, the decision can be made. Recent regulations in Canada require that risk assessment must have a method to determine the significant risk threshold. Even though some industrial standards have some recommended methods or benchmark data for failure probability, there is no published method to determine the threshold of high risk. Some pipeline companies have the in-house personnel to develop an advanced method to meet regulation requirement. However, many pipeline companies need to have a practical and economical method to determine the significant risk threshold to meet regulation requirement, and to effectively allocate resources. This paper develops a method to determine the significant risk threshold that can be used as a decision-making criterion in pipeline risk management. This process is practical for industrial application, especially for upstream companies where operators have limited resources for advanced risk assessment. A case study is presented using this method based on upstream pipelines.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».