Six Sigma Approach to Sustainable Institutional EnvironmentalData Management
Notice bibliographique
Résumé
The results of a 3-year six sigma evaluation of a centralized corporate remediation data management system are presented. The primary focus of the study is to improve electronic management of remediation data generated for the corporate environmental remediation function. The examination is unique in that no prior body of work has applied six sigma methods to environmental remediation data management. Both qualitative and quantitative six sigma tools have been applied in the study. Metrics are presented illustrating significant improvements in cost, quality, and cycle time since implementation of the system. A cost function is derived to predict normalized costs for data management as a function of the number of records in a database based upon a statistical population of 110 remediation sites and over 11 million records. The importance of remediation data management is examined within the context of process sustainability from the standpoint of protection of human health and environment, improved regulatory compliance, and greater transparency. The study is relevant to the state of environmental remediation within the context of more stringent enforcement through the regulatory agencies and the courts, an intensifying complexity of state and federal electronic data delivery (EDD) requirements, a ratcheting downward of cleanup standards, lower analytical detection levels, increasing requirements for capture and retention of analytical metadata, continued reliance on containment and institutional controls, and a parallel increasing demand for data that quantifies the nature, extent, and temporal variability of contamination. Application of six sigma metrics results in more-effective institutional stewardship manifested by reduced cycle time, significantly reduced cost, and enhanced data quality and defensibility through the long-term remediation lifecycle, which can span decades. A case study is presented for a complex, multimillion-dollar site remediation effort.
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 | 0,018 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,012 | 0,004 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 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 ».