MétaCan
Menu
Retour à la cohorte
Enregistrement W2900357607 · doi:10.1115/ipc2018-78413

Analysis of the National Energy Board Pipeline Integrity Performance Measures Data

2018· article· en· W2900357607 sur OpenAlexaff
Joe Paviglianiti, Sarah Shaw

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensCanada Energy Regulator
Organismes subventionnairesnon disponible
Mots-clésLaggingPipeline (software)Pipeline transportIntegrity managementRisk analysis (engineering)Computer scienceStakeholderBusinessEngineeringAccounting

Résumé

récupéré en direct d'OpenAlex

The National Energy Board’s (NEB or the Board) top priorities are the safety of people and protection of the environment. NEB-regulated pipelines have a very good safety record; however, the NEB noticed an increased trend in some types of incidents. Therefore, after considerable stakeholder consultation, in March 2012 the NEB started requiring NEB-regulated companies to report annually on new pipeline performance measures. These performance measures were developed and introduced to promote continual improvement in the management of pipelines by allowing companies to compare their results with industry aggregate numbers. In addition, these metric results allow the NEB to both evaluate and demonstrate that pipeline companies are effective in managing pipeline safety and protection of the environment. The NEB requires all regulated companies to report on incidents, such as releases of substances and serious injuries. Pipeline performance measures data provides the Board additional information such as lagging and leading indicators. These lagging indicators provide an historical view of company performance while the leading indicators provide forward looking data of potential future events. The NEB is of the view that an amalgamation of leading, lagging and qualitative measures can provide an overview of company effectiveness in meeting foundational management system program objectives. This paper examines four years of reported integrity related performance and integrity inspection data to evaluate trends in activities taken by companies to maintain safe pipelines. This paper will briefly discuss the challenges encountered when developing the measures, obtaining consistent data and evaluation of the data to identify trends. The paper will conclude by summarizing select results of the integrity performance measures and integrity inspection information data and discuss any potential future actions related to the pipeline performance integrity measures.

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)0,009
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0100,018
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,046
Tête enseignante GPT0,270
Écart entre enseignants0,223 · 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'étudeObservationnel
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Integrity and Reliability AnalysisTravaux en français237 207