Accident causes involving pressure vessels: A case study analysis with STAMP model
Notice bibliographique
Résumé
Although most companies comply with laws and regulations and use the latest technologies, tragic accidents involving pressure vessels and piping still occur, particularly in Canada (Journey Energy pipeline, Edmonton, 2017) and the United States (ExxonMobil refinery, Baton Rouge, 2016). The storage of a fluid under pressure can represent a seri-ous risk of dangerousness, not only to the employees, but also to the emergency services, the population in the vicinity and the environment. Currently, technical aspects are the main concern of the regulatory author-ities (TSSA O. Reg. 220/01, RBQ B-1.1, r. 6.1, US National Board of Boiler and Pressure Vessel Inspectors (NBBI)) and the scientific community with a particular focus on risk assessment related to structural integrity and leak tightness. The present paper explores the non-compliance of stand-ards (API and ASME) in 50 accidents cases that occurred in Canada and the United States from 1997 to 2017 and related to pressure vessels and piping in the petrochemical and nuclear industry. Moreover, it also pre-sents an analysis of these accidents using a risk ranking network and Venn diagram. The analysis indicates that the main cause of two-thirds of the documented accidents is an organisational issue that includes non-compliance with standards, health and safety management violation or its absence, training deficiency, non-compliance with work procedures, and absence of clear and detailed maintenance procedures. However, in most cases, if a good safety management and clearer operation procedures ex-isted and were respected the majority of the accidents could have been prevented. From this standpoint, the Systems-Theoretic Accident Model and Processes (STAMP) method is used to analyse the causes of one particular accident as a case study.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».