Major Accident Hazards – Own Your Barrier
Notice bibliographique
Résumé
Abstract The Health and Safety Executive's analysis shows poor hazard identification and risk analysis is a causal factor in 12 out of 14 recent major hydrocarbon releases, demonstrating that major accidents could be prevented if workers had a better understanding of major accident hazards (MAHs). Therefore, it is proposed that improving awareness of MAHs across the workforce, both onshore and offshore, would lead to better MAH management and a reduction in major accidents. Once the domain of process engineers, major accident hazard management has been largely overlooked by much of industry. It was acknowledged as a problem but ignored in the hope that specialists had it under control. Step Change in Safety's Major Accident Hazard Understanding workgroup responded to this by identifying different job roles (onshore and offshore), evaluating the resources to develop MAH understanding already available and creating a suite of resources to fill the gaps. These resources include an e-learning tool for onshore (office-based) personnel, bowtie lunch and learn sessions, gap analysis tools to identify training requirements of offshore jobs, senior leaders' workshops and a MAH Awareness programme. The MAH Awareness programme, consisting of short films and presentations which can be customised to suit specific worksites and job roles. Each of the four packs explores different aspects of major accident management including MAH identification and analysis, bowties and safety and environmental critical elements, barrier maintenance, assurance and verification and the importance of taking responsibility of ‘owning’ your barrier. Analysis of questionnaires completed before and after exposure to the programme demonstrates that knowledge of MAH management increased by approximately 30%. Additionally, the data demonstrates that elected safety representatives have a greater base knowledge of MAHs than the general offshore workforce, as do technical staff compared to non-technical and those employed by operators compared to contractor employees. Whether this increased knowledge gained through taking part in the MAH Awareness programme is retained or impacts the number of major accidents has not yet been analysed but data such as the number of major accidents, including hydrocarbon releases, will be examined over forthcoming years to evaluate the effectiveness of the resources developed.
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 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 ».