MétaCan
Menu
Retour à la cohorte
Enregistrement W4282541665 · doi:10.3390/safety8020045

Using a Brain-Inspired Decision-Making System to Model a Real-Time Responsive Risk Assessment of the Dynamic Tasks Involved with Hazardous Materials

2022· article· en· W4282541665 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueSafety · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésRisk analysis (engineering)Action (physics)Process (computing)Hazardous wasteDynamic decision-makingDecision support systemRisk assessmentComputer scienceRelation (database)Residual riskOperations researchPreventive actionEngineeringComputer securityReliability engineeringArtificial intelligenceData mining

Résumé

récupéré en direct d'OpenAlex

Risk assessment of the operations utilized in processing products and services always deals with uncertainties and complexities. The ever-evolving complex and dynamic circumstances make it very difficult to identify and analyze potential events affecting workers’ safety and health. Our first study was on managing the risky situations of a dynamic environment, the transport and storage of residual hazardous materials with high variation in operational times. It showed that the dynamicity of operational functions has a direct relation to the risk of accidents and suggested that such environments require a system to decide whether to perform each new action on a suspected risk condition or not. A practical framework, engaged close to the variable functions involved in potential events, is needed to provide reliable measures for risk assessment. Based on these measures, this framework would help to make decisions at the right time and to take preventive actions. It would support the decision-making process by recognizing the risk-associated features of available information and offer continuously updated alternatives for appropriate actions to prevent unsafe operations. In our second study, we developed a brain-inspired decision-making system for the real-time configuration of dynamic environments. That decision-making system builds knowledge from the least to the most similarities between experienced states to determine the most appropriate action(s) to rapidly reorient risky operations to a safe condition. This paper aims to verify the second study’s proposed system performance in the simulated environment discussed in our first study on residual hazardous materials transportation. We extract information, including the effective factors, from that first study and use it in the decision-making system to prevent risky transportation. This model would be useful in daily risk management as a practical framework for establishing safe operations in today’s industrial environments that involve dangerous chemical or radioactive products.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,362
Écart entre enseignants0,328 · 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