Are Pipelines Being Held to an Unreasonably High Standard of Performance?
Notice bibliographique
Résumé
The media and sections of the public have shown recently an acute interest in Pipeline operational performance incident statistics. Published data for North America shows that 99.999% of crude oil and petroleum products shipped by pipelines reach their destination safely. Some pipeline operators claim even better performance, 99.9996 % being one example. However, should failing to deliver 4 barrels of product for every million shipped be a legitimate cause for concern? If not how about the more general case of 1 per one hundred thousand? Is pipeline performance being singled out unreasonably when compared to other threats to public and environmental wellbeing such as medical malpractice or industrial waste contamination? Evidence from Canada and elsewhere, indicates that, during their hospital stay, an appreciable number of patients, one in every 18, experience adverse events, such as medication error, injurious falls, infections, and other medical misadventures. Errors (mostly minor), in fulfilling pharmaceutical prescriptions show an even higher error rate — 1 in 4 in one recent study, yet the public appears to be unperturbed. A common thread is determining what constitutes an acceptable level of risk whether individual or societal, voluntary or involuntary. Besides providing a broader context for pipeline risk, the paper explores the origin and intent of the environmental screening standard of 1 in 10−6, as well as the concept of setting risk tolerance to be as low as reasonably practicable — ALARP. The question of why there may be a reticence for many Pipeline Regulators to set, as other industries have, a prescriptive value for ALARP is considered.
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 | 0,010 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,013 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».