A hybrid human reliability assessment technique for the maintenance operations of marine and offshore systems
Notice bibliographique
Résumé
Abstract Regular maintenance is very important to ensure all the required types of machinery and equipment be kept 100% efficient for marine and offshore systems. Maintenance operations for marine and offshore systems are carried out by the seafarers/operators and it is they who are usually liable for any error. Previous studies have identified that about 80% of marine and offshore accidents occurred due to human error. Therefore, to address this concern human reliability assessment (HRA) is very important. However, an appropriate technique is required to estimate human error probability (HEP) for marine and offshore systems. Human error assessment and reduction technique (HEART) is applied to many industries to determine HEP. Recently, HEART was specifically developed for the maintenance operations of marine and offshore systems considering marine and offshore environmental and operational conditions. However, there is a deficiency in this technique as it does not provide a concrete method to determine the seafarers assessed proportion of effect (SAPOE) and it therefore, relies heavily on the judgment of a single expert. This study proposes a hybrid HEART to overcome the problem. The hybrid HEART utilizes the evidence theory to fuse an expert's opinion to determine APOA for each corresponding error producing condition (EPC). The proposed technique is applied to estimate HEP for the maintenance procedures of a condensate pump for an offshore oil and gas facility as a case study. The HEP values are calculated for each selected activity and comparison is provided. Based on the results, a performing pressure test and isolation leak test has the highest HEP 1.54E‐01 and depressurizing drain lines has the lowest 1.54E‐04. It is proposed that the application of this hybrid HEART will enable estimating HEP more accurately. Therefore, it will contribute to improving the overall safety level in the maintenance of marine and offshore systems.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».