MétaCan
Menu
Retour à la cohorte
Enregistrement W2772372965 · doi:10.2495/safe-v8-n2-342-353

Prioritization of hazards by means of a QFD- based procedure

2018· article· en· W2772372965 sur OpenAlexvenueno aff
Mara Lombardi, Mario Fargnoli

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality Function Deployment in Product Design
Établissements canadiensnon disponible
Organismes subventionnairesIstituto Nazionale per l'Assicurazione Contro Gli Infortuni sul Lavoro
Mots-clésPrioritizationQuality function deploymentReliability engineeringRisk analysis (engineering)Computer scienceEngineeringMedicineOperations managementManagement science

Résumé

récupéré en direct d'OpenAlex

Despite the evolution of regulations in the field of occupational health and safety promoted in EU countries, the number of accidents and victims has not significantly decreased in recent years, especially in constructions and agriculture sectors, as underlined by official reports of the Italian Workers' Compensation Authority. Main reasons of such a situation are due to the characteristics of working activities in these sectors. The variety of operations, the frequent exchange of tasks among workers within the same company, the continuous change of workplaces, the frequent exchange of workers for the same activity (e.g. seasonal workers), and the workers' stress caused by seasonal jobs. For these reasons both risk assessment and safety management activities result in being more difficult than in other working sectors. Thus, it is important to provide methodologies and tools that allow companies to carry out these tasks more effectively. In such a context, the study proposed by Esra Bas in 2014 certainly represents an attempt to provide a supporting methodology for engineers engaged in risk assessment activities. This approach consists in the use of the Quality Function Deployment (QFD) method, and it is aimed at evaluating how specific tasks can be in relationship with specific hazards, which in turn are related to specific events, and finally at defining what preventive/protective measures can be introduced against those events. Based on this, we tried to further investigate such an approach, with the goal of providing an easier-to-use tool, which can be used in risk assessment activities of critical contexts as the agriculture one. With this aim in mind, a case study concerning the risk assessment of an agricultural machinery was carried out.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,038
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,006
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0030,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,217
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations37
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetQuality Function Deployment in Product DesignTravaux en français237 207