A DYNAMIC RISK ASSESSMENT MODELING BASED ON FUZZY ANP FOR SAFETY MANAGEMENT SYSTEMS
Notice bibliographique
Résumé
Risk assessment in large organizations with extensive operational domains has been a challenging issue. Employing an efficient method along with realistic pair comparisons, applying subjective inferences of organization experts, and purging the intrinsic ambiguity of inferences, are not reflected in current airlines' safety management. Traditional two-dimensional risk assessment for risk management of safety hazards, however, is no longer sufficient to comply with this complexity. A new model for risk management and a novel formula for risk index calculation, based on a fuzzy approach, are presented in this study. In this new model, unlike in the traditional approach, the latent aftermath of safety reports, especially those which affect the continuity of the business, is also taken into account. In this model, along with the definition of a new structure for risk management, risk analysis should be restructured. To that end, a two-dimensional classic risk formula was replaced with three-dimensional (nonlinear) exponential ones, considering “the impact on the business” as a source of risk and hazard. For measuring the safety risk using the Fuzzy hierarchical evaluation method, considering experts' opinions, three criteria in four different operational fields were developed. This method employs a Fuzzy ANP to help quantify judgments, make qualitative judgments in the traditional method, and weigh the priority of elements contributing to risk. Also, it provides a tool for top-level as well as expert level management to monitor safety more precisely, monitor the safety level within their departments or organizations, set quantitative safety goals and provide feedback for improvement as well as find the most critical areas with the least cost. In this study, an airline has been selected as a case study for the risk assessment of reports based on the new model.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».