MétaCan
Menu
Retour à la cohorte
Enregistrement W2597341195 · doi:10.1108/dpm-05-2016-0107

Developing disaster mutual assistance decision criteria for electricity industry

2017· article· en· W2597341195 sur OpenAlexaff
Ali Asgary, Ben Pantin, Bahareh Emamgholizadeh Saiiar

Notice bibliographique

RevueDisaster Prevention and Management An International Journal · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensTD Bank GroupHydro One (Canada)York University
Organismes subventionnairesnon disponible
Mots-clésAnalytic hierarchy processDelphi methodElectricityProcess (computing)Mutual aidDelphiWork (physics)Operations researchComputer scienceRisk analysis (engineering)Operations managementHierarchyBusinessEnvironmental economicsEngineeringEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Purpose Disaster mutual assistance (DMA) or mutual aid is a reciprocal arrangement between organizations that permits and prearranges one company to access resources from another company to recover from disaster impacts faster. As a practical tool to access response resources quickly, DMA can be an important element of an effective emergency management process, but the decision to provide (or not to provide) DMA is challenging and involves a number of factors. The purpose of this paper is to present the results of a study conducted to identify DMA decision criteria and their weights based on electricity companies operating in North America. Design/methodology/approach The authors employed a combination of Delphi and analytical hierarchy process (AHP) methods. Delphi method identified the decision criteria that should be considered before electricity utilities enact their DMA agreements. A standard AHP calculated the weights of identified DMA criteria. Findings In total, 11 criteria were identified and classified into three main groups: responding criteria, requesting criteria and disaster criteria. Of the 11, “Emergency Conditions” within the responding criteria group, “Extent of Damage” of the requesting criteria group, and “Size of Disaster”, associated with the disaster criteria group, had the highest weight. Three other factors (“Work Safety Practice”, “Natural Hazards” and “Availability of Resources”) carried a noticeable weight difference, while the remaining factors were weighted relatively lower. Practical implications At present, a decision to provide mutual assistance is highly subjective, based on “gut feel”, and dependent on interpersonal relationships between the requestor and the provider. However, mobilizing and dispatching electricity industry crews is a risky and costly operation for both requesting and responding companies and requires careful assessment for which a cost-benefit threshold has not been developed. This cost-benefit perspective is often frowned upon owing to the intended altruistic nature of DMA agreements and its influence on decision makers. The developed criteria in this study are intended to assist electricity companies in making a more informed and quantifiable decision when deliberating a request for mutual assistance. These criteria may also be used by assistance-requesting companies to better identify electricity companies that are more likely to provide assistance to them. Originality/value This study contributes to the literature by examining the current state of DMA in electricity utilities, identifying decision criteria and weighing such criteria to enable electricity companies in making more objective decisions, thereby, increasing the overall effectiveness of their disaster management process.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,637
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0010,000
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 Opus0,062
Tête enseignante GPT0,427
Écart entre enseignants0,365 · 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'étudeAutre devis
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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDisaster Prevention and Management An International JournalMême sujetDisaster Management and ResilienceTravaux en français237 207