A High-Level Risk Management Framework as Part of an Overall Asset Management Process for the Assessment of Industry 4.0 and Its Corollary Industry 5.0 Related New Emerging Technological Risks in Socio-Technical Systems
Notice bibliographique
Résumé
Suffice to say that long-established businesses have their own challenges. Furthermore, accurate systematic methods and tools for managing risks in the context of industry 4.0 are lacking or less efficient, spreading unrealistic awareness of risk (or situational awareness) in various domains where risk management is needed. Conventional methods have their own limits and might not identify all aspects that influence system safety. Once traditional industry challenges are combined with emerging risks along with new systemic and organizational risks as well as cognitive and motivational biases in human logic, there will be the necessity of building thorough Asset Management and Decision Support approaches accounting both for conventional and emerging risk safety management. Hence, innovative, and efficient approaches that can investigate issues from a broad systemic perspective to support asset management practitioners to deal with those threats associated with the complexity of socio-technical systems are of interest. On these grounds, this paper focuses on identifying and analyzing components of risk management approaches especially for new emerging safety risks within industry 4.0 (emerging technology-related risks), as well as the rising of extreme, rare, and disruptive events, at a time of continued uncertainty in the global economy, in conjunction with the highly insecure political situation caused by recent armed conflicts (for e.g., Russia vs Ukraine), and the coronavirus disease pandemic (COVID-19) that might create fatal disturbance of the performance of organizations. We opt for the relatively new methods that have been developed based on system theories, viz. the Functional Resonance Analysis Method (FRAM), the System-Theoretic Accident Model and Processes (STAMP, System Theoretic Process Analysis (STPA)) and the global risk-informed decision-making approach (RIDM) in asset management as the best suited approach for this research. We first discuss the benefits of these methods then outline the possibility of combining them to conduct high-level risk management and decision-making framework. Further research would validate their efficiency and practicality. Therefore, future research initiatives will be devoted to conducting case studies in order to obtain more accurate data.
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 | 0,015 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».