Notice bibliographique
Résumé
This year’s HSE Technical Focus feature showcases environmental sustainability. Offshore hybrid renewable power generation, electrically driven well abandonment in urban and natural settings, and the use of remotely controlled, low-carbon-footprint underwater intervention/inspection drones demonstrate HSE- and sustainability-conscious planning and successful implementation in the field. Environmental, social, and governance guidelines, as well as regulatory and sustainability-related frameworks, provide guidance to achieve the social license to operate. Risk management and stakeholder engagement practices help predict nontechnical risks and keep the community informed. In paper SPE 204901, which involves using renewable energy sources for offshore oil and gas platform power generation, one operator proposes harnessing wind energy in weak-wind areas by replacing gas-turbine generators with offshore wind turbines adapted to low-wind-speed regions, thereby lowering maintenance costs and carbon exposure. In paper OTC 31394, a service company, acting as project management lead, and an operator collaborate to use fully electrified equipment to abandon wells in sensitive areas such as urban and natural settings where smell and noise are significant issues. In paper OTC 32481, an operator advocates the use of underwater intervention/inspection drones for offshore projects and describes their advantages, including operational risk reduction, lower carbon footprint, lower costs, reduced intervention time, and improved quality and frequency of inspection data. One of the recommended-reading papers, SPE 210788, describes how an operator advocates for mental health or “mental hygiene,” a “preventive measure for sustaining good emotional health” to mitigate workers’ distress in the oil and gas industry and an indication of the growing emphasis upon total wellness. Many more examples of recent notable achievements in HSES can be found in the list of recommended additional reading and in the OnePetro online library. Knowledge sharing, on the local and global levels, encourages collaboration and solutions generation. See the SPE Health, Safety, Environment and Sustainability website for more information and to learn how you could be involved. Recommended additional reading at OnePetro: www.onepetro.org. SPE 210788 Shifting Paradigm of Mental Hygiene—A Novel Approach To Mitigate Workers’ Distress in the Oil and Gas Industry by Adeela Khalid, RPM, et al. SPE 212791 An Improved Work Flow in Mass-Balance Approach for Estimating Regional Methane Emission Rate Using Satellite Measurements by Jeffrey Y. Bian, University of Alberta, et al. SPE 210245 Insights From Benchmarking Methane Emissions of Oil and Natural Gas Production in the United States by Tom Curry, ERM, et al.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,009 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,387 | 0,333 |
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 ».