Analysis of 801 Work-Related Incidents in the Oil and Gas Industry That Occurred Between 2014 and 2016 in 6 Regions
Notice bibliographique
Résumé
Oil and Gas Industry (OGI) faces a number of evolving and various types of risks and hazards that give rise to serious incidents. To conduct this study 801 incidents reports have been numerically analyzed, evaluated and interpreted. These incidents reports covered various severity levels, which have been occurred in 6 regions across the world, from 2014 to 2016. The analysis focused on global oil and gas industry. The study has shown that Occupational Work-related Incidents (OWRIs) occur mostly in October and especially in spring time. In addition, it has pointed out that the region of North America is the most affected area; almost one-third of OWRIs occurs in turbine hall area. Surprisingly, the study also revealed that three-quarters of the OWRIs did not occur in High-Risk Activity (HRA) and half of the incidents took place with no tooling involved. Noticeably, the main recurrent and frequent event was struck against or by (SAoB) that resulted dominantly in slight injuries that required only first aid care, and the most affected body part is the finger by “Cut (Laceration)/ Pinch”. The study has confirmed that the hazardous working environment in OGI was the direct cause for half of the OWRIs. However, based on the revealed results, it will be the assumptions that human factors have a crucial impact on the workplace safety and a contributing factor in the incidents. Some control measures were suggested accordingly.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».