XiaoMi-AI文件搜索系统
World File Search System事故
海事事故调查报告的任何部分不得……
平台有 3 块锭和 4 个坠重，总重量为 302 磅，所有香肠浮子浸没在水中，假设每个浮力为 500 磅，压缩率为 40% = 1200 磅，甲板上为 300 磅。平台重 900+磅‐甲板上无圆顶小车 2018 年 11 月 13 日 1224 拆除左舷吊舱 80# 和后整流罩 50# 之前的潜水是 59# 轻，发射后需要 2 块砖。因此新的目标应该是 1224 2018 年 12 月 5 日 1314 没有推力就无法低于 200 米 2018 年 12 月 10 日 1576 良好的负浮力‐ 约。如果没有投放 2 个落锤，则在 3,500m+ 时为负 50# 2019/3/16 1290 新玻璃球未注油 安装 8 个落锤后有效载荷重量良好 2019/3/18 1100 左舷球体注满 46 磅油。油到达时将向右舷注油。右舷用铅补偿以匹配左舷球体的重量。 2019/3/20 1326 泰坦在 15 磅以内中性浮力，有效载荷在 1326。安装了后整流罩。包括落锤 浮力测试重量配置为潜艇内部 300 磅香肠，起落架上安装了 14 块锭，左舷有 4 个落锤，右舷有 4 个。左舷球体注满 46 磅油。 Stbd 球体用 50 磅香肠补偿。潜水时，推进器支架上放了 3 个蓝色袋子。移除其中一个蓝色袋子会使潜水艇为正，更换它会使潜水艇为负。对于浅到中等深度的潜水，理想的有效载荷约为 1100（1396）。2019 年 4 月 12 日 1240 添加了 100# 泡沫，填充了第二个球体，2G 激光 60# 在水中进行小港浮力测试。空 VBT 重量。2020 年 5 月 14 日 1415
危险品事故的初步响应
美国 .美国 .国土安全部备灾局 美国消防局 国家消防学院 前言 美国消防局 (USFA) 是国土安全部 (DHS) 备灾局的重要组成部分，作为国土安全部的消防和应急响应专家，为国家领导层服务。USFA 位于马里兰州埃米茨堡的国家应急培训中心 (NETC)，包括国家消防学院 (NFA)、国家消防数据中心 (NFDC)、国家消防计划 (NFP) 和国家备灾网络 (PREPnet)。USFA 还负责监督和管理位于阿拉巴马州安尼斯顿的 Noble 培训中心。USFA 的使命是通过培训、研究、数据收集和分析、公共教育以及与其他联邦机构和消防及应急服务人员的协调，挽救生命并减少火灾和相关紧急情况造成的经济损失。USFA 的国家消防学院提供多样化的课程授课系统，结合了驻校课程、与州培训组织合作的校外授课、周末教学和在线课程。USFA 在课程选择和课程开发方面采用混合学习方法。驻校课程在埃米茨堡校区和诺布尔校区均有提供。校外课程与州和地方消防培训组织合作提供，以确保该国的消防员为他们面临的危险做好准备。本课程旨在为危险材料事故的第一响应者提供事故前、事故中和事故后适当行为的基本概念和技巧。本课程将定义危险材料，并描述与事件相关的角色、职责和风险。此外，本课程将讨论紧急和非紧急情况的局限性，并确定适合紧急和非紧急情况的资源。
施工安全及事故检测
近年来，建筑业机器学习的发展增加了充分的软件准备旨在为潜在的安全风险提供更好的解决方案施工环境中的危险和风险。然而，死亡和受伤在建筑工作中继续频繁发生，事故和伤亡人数很高，使建筑工作成为最危险的职业。本研究的目的是使用AHP方法分析人工智能（AI）在建筑安全中的优先事项和重要因素。选定建筑安全专业人员作为受访者。建立由五（5）个因素组成的层次结构，随后将其分为十二（12）个子因素。工作场所被确定为建筑行业中最重要的AI元素，占25.43％。其次是安全，占25.37％，人为错误占22.76％。当工人忽视工作场所安全时，优先考虑的子因素会传达给安全官员，占69.21％，云计算技术，检查，控制和培训。为 60.04%，而建筑安全领域的人工智能可以预测潜在问题的比例为 14.29%。这项研究的见解可以帮助软件开发人员确定在建筑工地安全方面使用人工智能的优先级。
事故和事件根本原因分析
不受控制或控制不佳的危险会造成不安全行为和/或不安全状况，这些几乎总是潜在故障或组织故障的结果。电缆拖尾、地板上漏油、缺少警卫、梯子不固定等不安全状况通常很容易在检查中发现。在偶尔的检查中，很难发现用叉车载客、不戴护目镜研磨或爬上储物架等不安全行为。许多不安全状况都是由不安全行为引起的，因此，尝试将每种不安全状况追溯到其根源非常重要。不安全行为和不安全状况几乎总是潜在故障的结果。例如，缺乏适当的信息或培训、不安全的工作系统、设备维护不善或不合适、计划不周、职责不明确、监督不力。而这些潜在故障是管理控制失败的症状，而管理控制失败是大多数事故的根本原因。根本原因有很多定义，但最有用的定义是 Paradies 和 Busch (1988) 使用的定义，即：
从飞机维护事故中吸取教训...
摘要 目的 — 能够从以前的事件中吸取教训以防止将来再发生类似事件是航空安全系统的宝贵属性。该机制的主要组成部分是事件报告及其在支持开发学习材料方面的重要性。许多监管要求明确定义了通过组织和程序继续培训计划使用学习材料的结构。本文旨在回顾航空法规和实践，强调学习作为安全绩效关键原则的重要性。设计/方法/方法 — 通过内容分析，严格审查了适用的国际民用航空组织要求和欧盟 (EU) 在飞机维护和持续适航管理方面的规定。结果 — 本次审查发现了欧洲实施规则中的差距，可以在未来解决这些差距，以支持更有效地传授飞机维护和持续适航管理领域的课程。其中包括学习和指导要求不够严格、缺乏加强安全文化评估的方法、缺乏对人为因素培训师的能力要求以及缺乏标准化根本原因分析的指导。实际意义——本文为在欧洲航空安全局监管框架内工作的航空安全从业人员提供
Charles Perrow - 正常事故
theisrm.org › public-library PDF 2022年5月7日 — 2022年5月7日 这些系统——核电站、化工厂、飞机和空军……人为错误（例如忘记关咖啡下面的暖气，或者忘记了。
无人机事故应对框架
无人机的价格越来越低，而其背后的技术却在快速发展。因此，我们看到无人机的使用不仅在娱乐和商业方面，而且在犯罪目的方面的使用也在增加。这不可避免地给全球执法界带来了严峻挑战。无人机已成为当前警务工作环境中的固定装置，并且在未来规模和影响只会越来越大。然而，许多执法人员仍然缺乏对无人机技术的认识和理解。如果滥用无人机，将对公共安全和保障构成重大威胁。因此，至关重要的是，执法人员必须具备必要的知识和培训，以安全有效地应对无人机事件。此外，无人机包含有价值的数据，需要提取和分析这些数据以提供支持调查的证据。国际刑警组织与来自世界各地执法部门、私营部门和学术界的无人机专家进行了接触。这个网络是国际刑警组织制定《无人机事件应对框架——针对第一响应者和数字取证从业人员》的推动力。本文件旨在作为全球执法部门的参考工具，并展示了国际刑警组织为促进创新和加强成员国最佳实践而做出的持续努力。该框架是我们持续致力于让世界变得更安全的一部分，我希望
从非事故交通视频
安全测试是自动驾驶系统（ADSS）开发的基本支柱。为了确保ADS的安全性，生成各种安全性的测试方案至关重要。现有广告从业人员主要集中于在模拟环境中重现现实世界中的交通事故以创建测试场景，但必须强调，由于人类驾驶和自主驾驶之间的差异，这些事故中的许多事故并未直接导致对ADS的安全违规。更重要的是，我们观察到，某些无事故现实世界的情况不仅可以导致广告中的不良行为，而且还可以在模拟测试期间利用违反广告的行为。因此，从常规交通情况（即无碰撞场景）中发现安全侵犯ADS的行为至关重要，以确保自动驾驶汽车（AVS）的安全性。我们介绍了Leade，这是一种实现上述目标的新方法。它会自动从交易视频中生成抽象和具体的方案。然后，它优化了这些场景，以在人类驾驶安全工作的语义一致方案中搜索对广告的安全侵犯。具体来说，Leade增强了大型多模型（LMM）的能力，可以通过流量视频准确构建抽象场景，并通过多模式的几种思想链（COT）生成具体场景。我们在Apollo的工业级4级广告上实施并评估Leade。基于它们，Leade评估并增加了自我车辆（即，与正在测试的ADS连接的车辆）和在语义同等场景中进行人类驾驶之间的行为差异（这里等效语义意味着测试场景中的每个参与者都具有与原始实际交通情况中相同的抽象行为）。实验结果表明，与最先进的广告场景生成方法相比，Leade可以准确地从交通视频中生成测试场景，并有效地发现了具有相同无事故交通情况语义语义的测试场景中更多类型的安全违反Apollo的行为。