MétaCan
Menu
Retour à la cohorte
Enregistrement W2314752493 · doi:10.1021/ie4018989

Risk-Based Design of Safety Measures To Prevent and Mitigate Dust Explosion Hazards

2013· article· en· W2314752493 sur OpenAlexafffund
Yuan Zhi, Nima Khakzad, Faisal Khan, Paul Amyotte, Genserik Reniers

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2013
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensDalhousie UniversityMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDust explosionRisk analysis (engineering)Bow tieRisk assessmentEnvironmental scienceComputer scienceBusinessForensic engineeringEngineeringComputer securityWaste management

Résumé

récupéré en direct d'OpenAlex

Dust explosion is one of the main threats to equipment safety and human health in industries. Complex factors leading to accidents, serious consequences, and relevant safety measures are the main interests of governmental agencies, researchers, and industrial companies. However, a generic risk analysis model for dust explosions is absent. The bow-tie model can be used to investigate the relationships among basic causes, safety barriers, and possible consequences of an accident scenario. In this paper, a framework is established for quantitative risk assessment of dust explosions based on bow-tie analysis via review and analysis of previous major dust explosions. A large inventory of relevant safety measures is presented, and the implementation and efficacy of such safety measures to reduce the risk of dust explosions is thoroughly discussed. Finally, the methodology is applied to a case study. The results show that the generic bow-tie developed in this study can be tailored to a wide variety of dust explosion accident scenarios with minimal manipulation; also, implementation of relevant safety measures can significantly reduce the risk of dust explosions.

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)0,008
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,190
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,217
Tête enseignante GPT0,387
Écart entre enseignants0,170 · 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.

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

Citations42
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetRisk and Safety AnalysisTravaux en français237 207