MétaCan
Menu
Retour à la cohorte
Enregistrement W4388566172 · doi:10.18280/ijsse.130502

Reducing Occupational Risks in Industrial Processes: Analysis and Recommendations for Improving Safety in Production Equipment and Facilities

2023· article· en· W4388566172 sur OpenAlexvenueno aff
Marina Grafkina, Evgeniya Yurevna Sviridova, Elena V. Goryacheva

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)Risk analysis (engineering)Occupational safety and healthEngineeringBusinessMedicine

Résumé

récupéré en direct d'OpenAlex

This study is centered on devising preventive strategies to enhance safety and diminish occupational risks associated with the operation of novel industrial facilities and production equipment.Utilizing qualitative research methods, this investigation scrutinizes reporting documents, exploiting indicators of occupational injuries and identified causes of such injuries.A combination of monographic and statistical methods was leveraged to process the results.An examination of occupational risks reveals that a substantial proportion is linked to production equipment, flawed technological processes, and substandard conditions of industrial facilities and structures.Informed by the outcomes obtained, recommendations were formulated for establishing and employing feedback mechanisms.This approach facilitated the systematization of causes leading to industrial injuries and the modification of regulatory documentation to curtail occupational risks.The study advocates the development of specific checklists featuring exemplar questions and a unified database for work-related injuries.It also proposes amplifying the legal status of documents that prescribe requirements for production processes.The implementation of these solutions is projected to result in a reduction of occupational risks and work-related injuries.

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 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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,308
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,094
Tête enseignante GPT0,370
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetRisk and Safety AnalysisTravaux en français237 207