Risk benefit framework for using unmanned systems in industrial operations
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
Our environment is constantly being threatened by human activity. Global warming and wildlife extinction, for example, are some of the consequences of our daily routine, which at the same time is also the cause of Earth contamination. Earth contamination can appear in different forms such as air pollution, ecosystem damage, contamination, etc. and among the businesses that contribute to these occurrences, the oil transporting activity can be found.\nOil transport, or in other words the existence of pipelines, is as the Canadian Energy Pipeline Association (CEPA) states ‘the major driver of Canada’s current and future prosperity’. However, even if they yield advantages, their hazards and their environmental impact cannot be forgotten; that is why, pipeline monitoring takes such an important role. In order to carry out this surveillance task many alternatives have been studied and many of them have already been implemented. Nevertheless, environmental impacts from pipelines have not ceased and as a result, new options are being explored. Among these new monitoring options, it seems that the use of Unmanned Systems alternative is taking shape and that, in the near future, they could be the answer for a reduction in the number of spills and leakages in pipelines. This reduction will at the same time be the response for a lower environmental impact concerning Oil sands and pipelines, and their activities.\nSo as to evaluate the suitability of this solution, it was therefore decided to perform a risk analysis of the use of such appliances in industrial operation activities.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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