MétaCan
Menu
Retour à la cohorte
Enregistrement W4312393449 · doi:10.1115/ipc2022-86832

CSA EXP16: Human and Organizational Factors for Optimal Pipeline Performance

2022· article· en· W4312393449 sur OpenAlexaff
Claudine Bradley, Sue Capper

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensCanadian Standards AssociationAlberta Energy
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)Scope (computer science)Knowledge managementSubject-matter expertHarmComputer scienceBest practiceProcess managementEngineeringManagement

Résumé

récupéré en direct d'OpenAlex

Abstract Human and Organizational Factors (HOF) as a discipline applies tools, theory, principles, data and methods to optimize human, organizational, and overall system performance. To date, there has been relatively little guidance available to pipeline operating companies regarding the integration of HOF within and across organizational management systems, pipeline protection programs, and operational activities. CSA Group Express Document EXP16 (EXP16) entitled Human and organizational factors for optimal pipeline performance is intended to address this deficiency. It builds upon a previously published express document, which was more limited in scope: CSA EXP248 Pipeline Human Factors. EXP16 is intended to offer practical guidance regarding the management of Performance Influencing Factors (PIFs) and provide greater content dedicated to organizational factors such as leadership, governance, management system effectiveness, and safety culture. EXP16 has been prepared and reviewed by the CSA Group’s Development Committee on Human and Organizational Factors for Optimal Pipeline Performance. The committee was comprised of representatives from pipeline companies, consulting firms, regulatory agencies, investigative bodies, and HOF subject matter experts from various technical fields (e.g., nuclear). The goal of the document was to marry the introduction of key concepts with practical guidance and best practices that a pipeline company may apply to support enhanced performance, including the prevention of harm to people, property, and the environment caused by a major hazard accident (e.g., unintended product release, spill, explosion, fire). This paper will review the content and application of EXP16. It will discuss seven key HOF principles and introduce several relevant PIFs associated with People, Organization, and Task, Technology, and Workplace. The impact and management of PIFs throughout the pipeline life cycle will be explored. This paper will also present the key concept of “the learning organization” and how this outcome may be facilitated through both the proactive and reactive application of HOFs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,040
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,004
Communication savante0,0080,004
Science ouverte0,0020,005
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0320,008

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 Opus0,080
Tête enseignante GPT0,353
Écart entre enseignants0,273 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRisk and Safety AnalysisTravaux en français237 207