Arc Flash Risk Assessment According to Different Standards Using Several Software Tools
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.
Notice bibliographique
Résumé
This paper presents an arc flash risk assessment procedure using different computer tools from different countries. Different computation methods according new requirements in NFPA 70E (2018), IEEE 1584 and DGUV I 203-077 standard. Four different software are used and compared incident energy (EI) or full energy (WE), arc flash boundary and the level of Personnel Protection Equipment (PPE).Arc flash risk assessment is today a mandatory part of each risk assessment for electrical workplaces and several recommendations exist in different countries like national OSHA rules, PPE Directive in Europe and different standards (EN 50110-1, IEEE 1584, NEPA 70E, DGUV).A short circuit analysis is performed to calculate the values of arching currents and compute arc flash energy dissipated at busbars at HV and LV voltage busbars. Worst case scenario approach is used to examine what is highest level of Arc Thermal Performance Value (ATPV). There are different software tools where used in computation: “EasyPower Arc Flash” (USA), BSD Arc Calculator (Germany), RENblad 1710 (Norway) and ARCPRO™ 3.0 (Canada). These tools are an easy-to-use software package for the calculation of radiated and converted thermal energy from electric arcs. This highly-effective tools offer proven value in helping utilities and other industries select protective clothing (PPE) and meet workplace regulations for safety apparel and comply with OSHA regulations.A practical sample case is presented, and arc flash energy is computed, and PPE recommended for high and low voltage busbars in one stone pit facility in Slovenia. In Slovenia and we started promoting the safety of the electric arc some years ago and we continue with this activity.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 découle