MétaCan
Menu
← Back to cohort
Record W7002192980

Moyens de réduction des risques lors des phases de nettoyage et de désinfection des machines dans le domaine agroalimentaire : étude exploratoire France-Québec

2022· other· fr· W7002192980 on OpenAlexaboutno aff

Bibliographic record

VenuePolyPublie (École Polytechnique de Montréal) · 2022
Typeother
Languagefr
FieldAgricultural and Biological Sciences
TopicAgriculture and Rural Development Research
Canadian institutionsnot available
Fundersnot available
KeywordsAdvanced driver assistance systemsFlammabilityRework
DOInot available

Abstract

fetched live from OpenAlex

L’industrie de la transformation alimentaire est le plus important employeur industriel au Québec avec près de 56 000 emplois dans plus de 1 400 établissements en 2016. Cependant, au Québec, la Commission des normes, de l’équité, de la santé et de la sécurité du travail (CNESST) estime que le degré de risque de la plupart des secteurs agroalimentaires est critique. Cette industrie est également considérée à haut risque en Europe, notamment en France et en Grande-Bretagne, ainsi qu’aux États-Unis. Les statistiques dans ces pays montrent que les accidents surviennent majoritairement lors de tâches courantes et prévisibles comme le nettoyage et la désinfection, tâche qui consiste à détruire les micro-organismes présents. Malheureusement, ces opérations sont souvent insuffisamment prises en considération lors de la conception du processus de production selon l’Institut national de recherche et de sécurité (INRS). Une des conséquences est que la sécurisation des tâches de nettoyage devient problématique, car l’application des principes « habituels » de sécurité des machines peut se faire au détriment des règles d’hygiène alimentaire en réduisant l’accessibilité. En contrepartie, pour que le nettoyage soit simple et efficace, les préposés au nettoyage et à la désinfection (PND) doivent accéder aux zones dangereuses avec des pièces en mouvement afin d’atteindre toutes les surfaces et recoins à nettoyer. Il y a donc un apparent dilemme pour les PND entre bien effectuer le nettoyage et être en sécurité. Cette étude exploratoire, proche du terrain, vise à étudier cet apparent dilemme et porte sur les activités de nettoyage et de désinfection des machines industrielles dans le secteur agroalimentaire. Les objectifs de l’étude sont : Identifier les situations dangereuses présentes lorsque les PND doivent accéder aux zones des machines où des pièces sont en mouvement et répertorier les moyens de réduction du risque utilisés par les entreprises ;Identifier les effets possibles des moyens de protection limitant l’accès aux zones dangereuses des machines sur le travail et sur la SST des PND ;Cibler des pistes d’action et de recherche qui pourraient faciliter le travail des PND et l’atteinte du double objectif de SST et d’hygiène. Afin de répondre aux trois objectifs spécifiques de l’étude, la méthodologie retenue repose sur : 1) une collaboration Québec-France, multidisciplinaire; 2) une analyse des accidents dans le secteur agroalimentaire en France au moyen d’une base de données Étude de prévention par l’informatisation des comptes rendus d’enquêtes accidents (EPICEA); 3) un recueil des données, par entretiens semi-dirigés et observations du travail, dans huit usines du secteur agroalimentaire au Québec et en France. Les données ont été recueillies dans huit usines (cinq au Québec et trois en France), ces usines présentent plusieurs des caractéristiques du domaine agroalimentaire, non exhaustives ni généralisables, mais néanmoins suffisantes pour les besoins de la recherche. En effet, les visites ont été effectuées dans des secteurs de l’agroalimentaire qui ne sont pas totalement comparables bien que des similitudes se retrouvent dans les enjeux entre la sécurité et l’hygiène. Les résultats présentés visent d’abord à faire connaître la diversité des déterminants plutôt que de comparer les usines entre elles. La nature exploratoire de l’étude, les limites du mode de recueil des données et le respect de la confidentialité (l’accumulation de caractéristiques pouvant permettre d’identifier l’entreprise) empêchent d’effectuer une comparaison à valeur statistique et représentative de l’ensemble du secteur. Les entretiens semi-dirigés (n = 47) et les observations réalisés dans les usines ont permis de décrire le travail réalisé par les PND pour satisfaire aux attentes d’hygiène. L’analyse des résultats met en avant un contexte de constants changements caractérisant l’industrie agroalimentaire, tant au niveau technique qu’organisationnel. Il est aussi constaté une difficulté majeure de fidélisation de la main-d’œuvre et des caractéristiques variées de celle-ci dont il faut tenir compte, car elles ont un impact notamment sur la gestion de la santé et de la sécurité. Il en ressort la nécessité de mieux connaître le travail des PND et d’en tenir compte dès la conception des machines, des lignes et même des usines. Cela implique notamment que des critères concernant ces travailleurs soient pris en compte lors de l’élaboration du cahier des charges. Les données témoignent, par ailleurs, d’un équilibre difficile entre la sécurité des travailleurs et la santé des consommateurs (hygiène alimentaire). Cette dualité se fonde sur deux principes opposés : d’un côté, les principes d’hygiène exigent un accès à toutes les zones de la machine afin de pouvoir les nettoyer, les désinfecter et ainsi les rendre sanitairement aptes à la production ; de l’autre côté, les principes de sécurité des machines exigent que le risque associé aux zones dangereuses soit supprimé ou réduit, ce qui se traduit par l’usage de protecteurs ou d’autres moyens de protection. Il ressort de cette étude exploratoire que d’autres recherches sont nécessaires afin de réduire les contraintes associées à la tâche de nettoyage et de désinfection des machines. Cela peut se faire selon deux axes complémentaires, l’un technique (de l’appréciation à la réduction du risque, incluant le cadenassage et les méthodes alternatives au cadenassage) et l’autre organisationnel (documenter plus en profondeur l’activité de travail des PND). Ces activités de recherche subséquentes permettront in fine de proposer des pistes de solutions concrètes, adaptées au secteur, afin d’améliorer la santé et la sécurité des PND.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.045
Threshold uncertainty score0.142

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.004
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.002
Science and technology studies0.0020.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.011
GPT teacher head0.237
Teacher spread0.226 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venuePolyPublie (École Polytechnique de Montréal)→Same topicAgriculture and Rural Development Research→French-language works237,207→